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！

龙图腾网获悉东北大学申请的专利一种基于深度学习和图像颜色空间特性的图像去噪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：CN116188325B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202310341880.8，技术领域涉及：G06T5/70；该发明授权一种基于深度学习和图像颜色空间特性的图像去噪方法是由庞愫;张伟;朱志良;于海设计研发完成，并于2023-03-31向国家知识产权局提交的专利申请。

本一种基于深度学习和图像颜色空间特性的图像去噪方法在说明书摘要公布了：本发明提供一种基于深度学习和图像颜色空间特性的图像去噪方法，涉及图像处理技术领域。本发明考虑到图像的成像原理，利用噪声对于不同颜色通道的影响，对图像进行初步的处理，以增强更多图像信息，帮助网络进行训练。最终算法可以对包含真实噪声的图像和人工合成噪声的图像进行去噪，同时保留了图像的细节信息。由此，本发明设计的网络可以训练出更具有普适性的去噪图像结果，提高了图像去噪的简便性和准确性，具有现实应用价值。

本发明授权一种基于深度学习和图像颜色空间特性的图像去噪方法在权利要求书中公布了：1.一种基于深度学习和图像颜色空间特性的图像去噪方法，其特征在于，包括以下步骤： 步骤1：读取数据集，对噪声图像进行数据增强； 步骤2：建立网络模型； 所述网络模型包括：CPBlock图像预处理操作模块，经过处理后的图像提供更多的特征信息；Conv为卷积层，卷积核为3*3，用于改变图像的通道数，生成特征图用于网络训练；BasicBlock为基础模块，用于提取深层特征； 将步骤1处理后的噪声图像块输入到网络模型，首先经过CPBlock进行预处理操作，将预处理所生成的图像和步骤1处理后的噪声图像块进行通道间的拼接，从3通道变为6通道后，经过第一个卷积层，将6通道变为64通道；共经过四次BasicBlock模块进行深层特征提取，输出后通道数仍为64通道；经过最后一个卷积层将64通道变为3通道后，将完成后的3通道和步骤1处理后的噪声图像块进行相加，最终生成经过网络去噪后的图像predict； 步骤3：将经过步骤1处理后的噪声图像块利用OpenCV库转为HSV模式；对图像进行高斯模糊，然后将图像按照H、S、V的每种颜色的取值范围分成若干区域；对划分好的每个颜色区域内的R、G、B三个通道的值进行求和，并计算平均值；将R、G、B三个通道的平均值进行排序，针对平均值排名第三的通道，将平均值排名第一和第二的通道的梯度供其参考，公式如下： ；针对均值排名第二的通道，将均值排名第一的通道的梯度供其参考，公式如下： ；其中，下标为均值最低的通道，为均值排名中间的通道，为均值最高的通道，和分别为均值最低的通道更新后的像素值以及均值排名中间的通道更新后的像素值，、、分别表示均值最低的通道内像素值的均值、均值排名中间的通道内像素值的均值以及均值最高的通道内像素值的均值，、、分别为均值最低的通道原始的像素值、均值排名中间的通道原始的像素值以及均值最高的通道原始的像素值； 针对均值排名第一的通道，不对其值进行修改；对于每一个划分好的颜色区域，均执行步骤3操作，最终生成一个和噪声图像值不相同，但尺寸相同的tensor，将生成的tensor和经过步骤1处理后的噪声图像块拼接为6通道特征图，得到预处理之后的结果； 步骤4：经过卷积层进行通道间信息交换； 步骤5：经过基础模块提取深层特征，提升网络效果； 步骤6：设置重复经过基础模块的次数，学习到更深层次的特征； 步骤7：经过卷积层将64通道转为3通道图像后，与经过步骤1处理后的噪声图像块进行相加，得到去噪后的图像，完成训练； 步骤8：对步骤7生成的去噪后的图像和训练集中相对应的无噪声干净图像进行损失函数的计算，完成图像去噪。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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”。