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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利一种基于自监督学习的卷积神经网络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：CN116681616B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202310684599.4，技术领域涉及：G06T5/70；该发明授权一种基于自监督学习的卷积神经网络图像去噪方法是由谭瀚霖;颜深;刘煜;张茂军设计研发完成，并于2023-06-09向国家知识产权局提交的专利申请。

本一种基于自监督学习的卷积神经网络图像去噪方法在说明书摘要公布了：本申请涉及一种基于自监督学习的卷积神经网络图像去噪方法。所述方法包括：获取有噪图像样本和预先构建的图像去噪模型；将有噪图像样本分别输入噪声去除模型和噪声估计模型，得到预测无噪图像和预测噪声；根据有噪图像样本、预测噪声和预测无噪图像的像素方差以及预测噪声的逐像素协方差，得到方差损失函数，根据方差损失函数、预先构建的均值损失函数、预先构建的数据损失函数和预先构建的增强损失函数，构建模型损失函数；优化图像去噪模型的模型损失函数得到训练好的图像去噪模型，采用训练好的图像去噪模型进行图像去噪。采用本方法不需要收集有噪图像对应的无噪图像，在去除噪声的同时更好保留了原始图像细节信息。

本发明授权一种基于自监督学习的卷积神经网络图像去噪方法在权利要求书中公布了：1.一种基于自监督学习的卷积神经网络图像去噪方法，其特征在于，所述方法包括： 获取有噪图像样本和预先构建的图像去噪模型；所述图像去噪模型包括噪声去除模型和噪声估计模型； 将所述有噪图像样本分别输入所述噪声去除模型和所述噪声估计模型，得到预测无噪图像和预测噪声； 根据所述有噪图像样本、所述预测噪声和所述预测无噪图像的像素方差以及所述预测噪声的逐像素协方差，得到方差损失函数，根据所述方差损失函数、预先构建的均值损失函数、预先构建的数据损失函数和预先构建的增强损失函数，构建模型损失函数； 优化所述图像去噪模型的模型损失函数得到训练好的图像去噪模型，采用所述训练好的图像去噪模型进行图像去噪； 根据所述有噪图像样本、所述预测噪声和所述预测无噪图像的像素方差以及所述预测噪声的逐像素协方差，得到方差损失函数包括： 根据所述有噪图像样本、所述预测噪声和所述预测无噪图像的像素方差以及所述预测噪声的逐像素协方差，得到方差损失函数为： ， 其中，为方差损失函数，为第个有噪图像样本的像素方差，为预测噪声的像素方差，为噪声估计模型中待学习的参数，为预测无噪图像的像素方差，为噪声去除模型中待学习的参数，为逐像素协方差，为第个有噪图像样本，，为有噪图像样本集合中的样本数量，为预测无噪图像，为预测噪声。

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人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。