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！

龙图腾网获悉中国石油大学(华东)申请的专利一种基于自适应提示的多退化图像修复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：CN119515734B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411550018.9，技术领域涉及：G06T5/77；该发明授权一种基于自适应提示的多退化图像修复方法是由吕响;邵明文;万业聪设计研发完成，并于2024-11-01向国家知识产权局提交的专利申请。

本一种基于自适应提示的多退化图像修复方法在说明书摘要公布了：本发明提出一种基于自适应提示的多退化图像修复方法。该方法包含一个两阶段的隐空间扩散模型，能够灵活处理多种退化图像。具体来说，模型通过学习退化图像与干净图像之间的差异，生成退化提示，并在隐空间中编码该提示信息。第一阶段通过退化自适应提示学习机制来获取退化提示作为关键特征，用于指导第二阶段的扩散模型进行图像修复。最终，提示信息被集成到一个傅里叶变换修复网络中，其能够实现不同类型退化图像的准确恢复。该方法不仅提高了图像恢复的准确性，同时显著减少了计算复杂度，适用于多种真实世界场景下的图像修复任务，包括去噪、去模糊、去雾、去雨、去雪、去雨滴以及低光照增强。

本发明授权一种基于自适应提示的多退化图像修复方法在权利要求书中公布了：1.一种基于自适应提示的多退化图像修复方法，其特征在于，包括以下步骤： S1，构建退化自适应提示学习机制，通过提取退化图像和干净图像之间的差异，自适应生成退化提示，并将提示信息编码到隐空间，作为处理多种图像退化类型的关键特征，所述步骤S1中的构建退化自适应提示学习机制具体包括以下步骤： S11，接收一对退化图像和对应的干净图像，将退化图像和干净图像沿通道维度进行连接，形成输入特征图，这部分可以表示为； F＝ConcatIGT,ILQ1 S12，将S11特征图输入到预训练的退化自适应提示学习机制中； S13，退化自适应提示学习机制通过一系列卷积层和非线性激活函数，提取退化图像和干净图像之间的特征差异； S14，将提取的特征差异输入到提示学习模块，提示学习模块通过自适应加权和归一化操作，生成退化提示向量； S15，使用退化自适应提示学习网络DAPLM将生成的退化提示向量编码到隐空间，形成关键判别信息，用于后续的图像修复过程中的特征提取和处理； p＝DAPLMF2 S2，构建隐空间扩散模型，该模型能够在仅使用退化图像的情况下，自适应地从退化图像中提取到关键的退化特征，直接估计出与S1生成的退化提示相似的提示信息，所述步骤S2构建隐空间扩散模型具体包括以下步骤： S21，首先使用隐空间扩散模型即退化提示估计器，仅使用退化图像作为输入； S22，退化提示估计器通过前向扩散过程，将p＝p0作为扩散过程的采样起点，逐步向退化图像中添加高斯噪声，直至完全转化为高斯噪声分布，这部分可描述为： 其中t＝1...T,T为总迭代次数，pt表示第t步的噪声特征，N为高斯分布，通过迭代推导，将前式改写为: S23，在反向过程中，从纯高斯分布中生成退化先验信息，扩散模型逆向过程的目的是从下式估计后验分布： 退化提示估计器以纯高斯噪声作为起点，利用条件信息，逐步去除噪声并恢复出与S1阶段获得的退化提示相似的提示信息作为条件指导，以优化扩散过程，这部分可以被描述为： S25，经过T次迭代后，退化提示估计器输出最终估计的退化提示，该提示用于后续的图像修复过程，优化过程为： S3，构建提示引导的傅里叶变换修复网络，将S2中提取的提示整合进来，以增强模型对全局频率特征和局部空间信息的特征表征能力； S4，搭建基于自适应提示的图像修复网络，利用S3中生成的提示动态微调傅里叶变换修复网络，并通过大量训练数据训练模型； S5，将退化图像输入搭建的图像修复网络中，完成图像的准确修复。

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中国石油大学(华东)，其通讯地址为：266580 山东省青岛市黄岛区长江西路66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”。

以上内容由龙图腾AI智能生成。