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！

龙图腾网获悉上海交通大学申请的专利基于协方差优化扩散模型的图像处理方法、系统及装置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：CN117115042B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202311284271.X，技术领域涉及：G06T5/70；该发明授权基于协方差优化扩散模型的图像处理方法、系统及装置是由戴文睿;彭欣宇;郑紫阳;李成林;邹君妮;熊红凯设计研发完成，并于2023-09-29向国家知识产权局提交的专利申请。

本基于协方差优化扩散模型的图像处理方法、系统及装置在说明书摘要公布了：本发明提供了一种基于协方差优化扩散模型的图像处理方法、系统及装置，用于图像重构、图像去噪、图像复原、图像去模糊或图像超分辨率。所述方法包括：获取测量值；在基于扩散模型理论的基础上，建立基于引导无条件预训练扩散模型实现条件概率采样，最终采样结果作为重建图像；在所述条件概率采样中使用极大似然法获得最优后验协方差，作为所述引导中高斯近似的协方差。本发明能够提高现有图像重构的精度，降低了对模型参数的敏感度，适用于图像去噪、复原与增强等各种重建问题的广泛场景。

本发明授权基于协方差优化扩散模型的图像处理方法、系统及装置在权利要求书中公布了：1.一种基于协方差优化扩散模型的图像处理方法，用于图像重构、图像去噪、图像复原、图像去模糊或图像超分辨率，其特征在于，包括： 获得测量值y，建立图像线性退化模型，根据所述图像线性退化模型引导得出基于高斯近似的引导方法； 使用卷积层、非线性层和上下采样层搭建U-Net架构网络作为无条件扩散模型，利用所述无条件扩散模型提供所述引导方法中的高斯近似的均值与协方差；所述无条件扩散模型是未训练的无条件扩散模型或预训练的无条件扩散模型； 对于未训练的无条件扩散模型，使用极大似然法，基于训练图像训练所述无条件扩散模型，所述无条件扩散模型的输出作为所述引导方法中的高斯近似的均值与协方差； 对于预训练的无条件扩散模型，由所述预训练无条件扩散模型提供均值预测，包含逆扩散协方差预测分支时，转换逆扩散协方差最优值作为所述高斯近似的最优协方差，不包含逆扩散协方差预测分支时，通过蒙特卡洛法估计所述高斯近似的最优协方差； 使用所述高斯近似的引导方法引导所述无条件扩散模型，所述引导方法将无条件后验均值转化为有条件后验均值，以用于有条件的逆扩散过程采样，有条件的逆扩散过程的最终样本服从给定所述测量值后原始图像x0的条件分布，使用所述最终样本作为重构图像； 所述根据所述图像线性退化模型引导得出基于高斯近似的引导方法，其中：引导的核心是有条件后验均值的估计，根据高斯近似在引导中用法的不同，引导分为两类，包括： -第一类引导法：有条件后验均值使用后验均值与似然得分函数描述 其中，σt是带噪图像的噪声标准差，后验期望可以使用所述无条件扩散模型的输出获得；基于各向同性高斯近似的条件，导出得分函数近似的闭式解，或是基于共轭梯度获得得分函数近似的数值解； -第二类引导法：根据贝叶斯定理，ptx0|xt,y∝pty|x0ptx0|xt，使用qtx0|xt近似ptx0|xt，得到ptx0|xt,y的近似qtx0|xt,y∝pty|x0qtx0|xt，其中，qtx0|xt,y为高斯分布；使用qtx0|xt,y的均值作为有条件后验均值的近似；基于各向同性高斯近似条件，导出所述高斯分布均值的闭式解，或是基于共轭梯度获得所述高斯分布均值的数值解。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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”。