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！

龙图腾网获悉南京理工大学申请的专利一种基于Retinex和扩散模型的低光人脸超分方法及系统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：CN119850428B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411910901.4，技术领域涉及：G06T3/4076；该发明授权一种基于Retinex和扩散模型的低光人脸超分方法及系统是由贾修一;丛维仪设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本一种基于Retinex和扩散模型的低光人脸超分方法及系统在说明书摘要公布了：本发明公开一种基于Retinex和扩散模型的低光人脸超分方法及系统，包括：构建基于Retinex和扩散模型的低光人脸超分网络模型，模型包括：噪声图像估计模块和去噪扩散模块，对输入的人脸图像进行双三次插值，得到上采样图像；通过噪声图像估计模块分解得到带有噪声的人脸图像；将带有噪声的人脸图像与纯高斯噪声相融合，通过去噪扩散模块得到消除噪声后的结果；通过最小化扩散损失，完成低光人脸超分模型的训练；使用训练好的低光人脸超分网络模型对采集的人脸图像测试样本进行测试，得到超分结果，并进行评价。本发明可以更好的恢复低光低分辨率的人脸图像，通过广泛的实验表明了本方法的有效性，并应用在了低光人脸超分任务上。

本发明授权一种基于Retinex和扩散模型的低光人脸超分方法及系统在权利要求书中公布了：1.一种基于Retinex和扩散模型的低光人脸超分方法，其特征在于，包括以下步骤： 构建基于Retinex和扩散模型的低光人脸超分网络模型，并利用人脸图像数据集进行训练；使用训练好的低光人脸超分网络模型对采集的人脸图像测试样本进行测试，得到超分结果，并使用评价指标进行评价；利用人脸图像数据集对低光人脸超分网络模型进行训练之前，还需要对人脸图像数据集中人脸图像数据进行归一化操作，并通过三次插值得到上采样图像ILH； 其中低光人脸超分网络模型，包括：噪声图像估计模块和去噪扩散模块，去噪扩散模块为U-Net架构，包括编码层、瓶颈层和解码层；编码层包括一个人脸特征提取块和一个下采样模块，表示为： 其中，表示编码层的输入，对于第一层编码层，表示带噪人脸图像Rnoise，对于第二层和第三层编码层，表示上一层编码层的输出，表示第i个编码层的输出，FFER表示人脸特征提取块，downSample表示下采样块； 人脸特征提取块包括两个归一化层、一个全局人脸结构信息提取单元和一个代替全连接层的门控卷积层，全局人脸结构信息提取单元利用线性层、卷积层和沙漏网络实现注意力算法完成对全局人脸结构信息的提取，表示为： 其中，Linear表示线性层，HourGlass表示沙漏网络，Sigmod表示激活函数，Iatt表示计算得到的注意力特征，Ifilter表示计算得到的注意力权重，IG则表示全局人脸结构信息单元的输出结果； 用GFSR表示全局人脸结构信息提取单元，整个人脸特征提取块的计算过程简化为： 其中，GateConv表示门控卷积，Inoise表示一个纯高斯噪声，LN表示归一化层； 瓶颈层包括一个全局人脸结构信息提取单元，表示为： IB＝GFSRIE 其中，IB表示瓶颈层的整合结果，IE表示最后一个编码层的输出； 解码层与编码层相对应，每个解码层包括一个上采样块和一个人脸特征提取块，解码层不仅会接收来自上一个解码层的输出，还会接收与其尺度相对应的编码层的输出；其计算过程为： 其中，upSample表示上采样块，表示解码层的输入，对于第一层解码层，表示瓶颈层的整合结果IB，对于第二层和第三层解码层，表示上一层解码层的输出，表示第i个解码层的输出，表示第i个编码层的输出； 最后，使用一个卷积层将最后一个解码层的输出转化为最后结果，表示如下： IHH＝ConvID 其中，IHH表示正常光照下的不含噪声的高分辨率人脸输出图像，ID表示最后一个解码层输出的结果图； 通过噪声图像估计模块对模型输入图像进行Retinex变换，得到带有噪声的人脸图像Rnoise；包括：首先，对输入图像进行三通道均值化得到色彩均值图Imean；然后将输入图像与色彩均值图Imean在通道维度上进行拼接，依次经过卷积层、DW卷积层和卷积层得到亮度逆分量最后按照Retinex理论将与ILH相乘得到带噪人脸图像Rnoise；表示为： Imean＝FILH 其中，函数F表示在三通道上取均值，函数Con表示在通道维度上进行拼接，Conv表示普通卷积，DWConv表示DW卷积； 噪声图像估计模块得到的Rnoise和纯高斯噪声拼接后，依次经过三个连续的编码层进行处理得到编码层输出图像IE；编码层输出图像IE在瓶颈层做进一步的信息整合，整合后的信息依次经过三个解码层进行信息的整合和图像的恢复；然后通过卷积层输出不含噪声的高分辨率人脸输出图像IHH；整个网络模型使用扩散损失来进行训练。

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理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫街200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”。