买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京信息工程大学申请的专利一种基于改进的混合阶全变分图像去噪实现方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119850461B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510322124.X，技术领域涉及：G06T5/70；该发明授权一种基于改进的混合阶全变分图像去噪实现方法是由韩舟;周先春;史振婷;李婷;张影设计研发完成，并于2025-03-19向国家知识产权局提交的专利申请。

本一种基于改进的混合阶全变分图像去噪实现方法在说明书摘要公布了：本发明公开了一种基于改进的混合阶全变分图像去噪实现方法，包括步骤如下：S1，将采集到的原始图像进行灰度转换并进行加噪处理；S2，使用高斯‑拉普拉斯联合变换进行滤波；S3，在TV1模型中引入各向异性扩散张量，在LLT模型中引入基于差分曲率的图像特征提取函数；S4，利用自适应权重函数来耦合TV1模型和LLT模型，得到耦合模型；S5，将通过耦合模型得到的去噪图像，使用快速非局部均值滤波算法进行后处理；S6，使用离散差分法得到耦合模型的离散形式，采用迭代法更新像素值进行去噪，得到去噪图像，并利用峰值信噪比和结构相似性指标验证耦合模型的有效应和可行性。本发明能确保图像边缘信息的完整性，提高去噪效率。

本发明授权一种基于改进的混合阶全变分图像去噪实现方法在权利要求书中公布了：1.一种基于改进的混合阶全变分图像去噪实现方法，其特征在于，包括步骤如下： S1，将采集到的原始图像进行灰度转换并进行加噪处理； S2，使用高斯-拉普拉斯联合变换进行滤波； S3，在TV1模型中引入各向异性扩散张量，在LLT模型中引入基于差分曲率的图像特征提取函数； S4，利用自适应权重函数来耦合TV1模型和LLT模型，得到耦合模型；耦合模型的表达式为： 式中，minuE2u表示耦合模型的最小化能量泛函；第一项为正则项，第二项为保真项；为加噪图像函数u的梯度模值；λ2为自适应权重参数，调整保真项的权重；w为自适应权重函数，用来调整TV1模型和LLT模型的正则项； 所述自适应权重参数λ2表达式为： 式中，δ0；d的表达式为： 式中，minDx,y是Dx,y的最小值；maxDx,y是Dx,y的最大值； Dx,y为差分曲率，其表达式为： 式中，|uηη|为图像沿梯度方向的二阶导数，为图像沿边缘方向的二阶导数；其表达式分别为： 式中，ux为加噪图像函数u沿x方向的一阶导数，uy为加噪图像函数u沿y方向的一阶导数，uxx为加噪图像函数u沿x方向的二阶导数，uyy为加噪图像函数u沿y方向的二阶导数，uxy为加噪图像函数u的二阶偏导数； 所述自适应权重函数w表达式为： 式中，arccot·为反余弦函数，是递减函数；为加噪图像函数u的梯度模值，k为自适应梯度阈值；β1、β2分别是两个不同数值的阈值；Mx,y为噪声可见度函数；Mx,y表达式为： 式中，为图像ux,y局部方差，uh,q为h,q点处的灰度值大小；mux,y为局部均值，其表达式为： 式中，h、q分别表示x轴和y轴的坐标值，均为变量；P、Q为常量，分别代表了图像区域块在x轴和y轴方向上的半宽度；2P+1为图像区域块长度，2Q+1为图像区域块宽度，2P+12Q+1表示图像区域块的面积大小； S5，将通过耦合模型得到的去噪图像，使用快速非局部均值滤波算法进行后处理； S6，使用离散差分法得到耦合模型的离散形式，采用迭代法更新像素值进行去噪，得到去噪图像，并利用峰值信噪比和结构相似性指标验证耦合模型的有效应和可行性。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。