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！

龙图腾网获悉四川大学申请的专利基于自协作并行生成对抗网络的无监督真实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：CN119399052B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310921038.1，技术领域涉及：G06T5/70；该发明授权基于自协作并行生成对抗网络的无监督真实图像去噪方法是由任超;陈卢飞;何小海;卿粼波;林鑫;王正勇设计研发完成，并于2023-07-25向国家知识产权局提交的专利申请。

本基于自协作并行生成对抗网络的无监督真实图像去噪方法在说明书摘要公布了：本发明公开了一种基于自协作并行生成对抗网络的无监督真实图像去噪方法。主要包括以下步骤：利用噪声的可叠加性，构造基于初始降噪器的噪声提取模块，用于对真实图像的噪声成分进行提取；采用并行生成对抗分支框架，分支1先通过非配对合成的方式合成伪真实噪声图像再通过自合成的方式合成噪声图像，即“非配对合成—自合成”；分支2先通过自合成的方式合成噪声图像再通过非配对合成的方式合成伪真实噪声图像，即“自合成—非配对合成”；采用自协作策略，每次迭代后用当前更收敛的去噪器取代之前较弱的去噪器，直到去噪器完全收敛，完成网络训练并得到最终模型。本发明所述的方法能够很好地去除真实图像上的噪声，是一种有效的图像去噪方法。

本发明授权基于自协作并行生成对抗网络的无监督真实图像去噪方法在权利要求书中公布了：1.基于自协作并行生成对抗网络的无监督真实图像去噪方法，其特征在于包括以下步骤： 步骤一：利用噪声的可叠加性，构造基于初始降噪器的噪声提取模块，用于对真实图像的噪声成分进行提取；构建“非配对合成—自合成”对抗分支，其中非配对合成操作将干净图像和非配对的噪声作为生成器的输入以生成伪真实噪声图像，然后在自合成操作中，伪真实噪声图像分别通过去噪器和噪声提取模块得到估计的干净图像以及配对的噪声，并一起输入到下一个生成器生成新的伪真实噪声图像，最终实现非配对合成操作与自合成操作的互补约束；构建“自合成—非配对合成”SelfSynthetic-UnpairedSynthetic对抗分支，其首先进行自合成操作，再进行非配对合成操作，与“非配对合成—自合成”对抗分支形成互补分支约束，促进网络得到更好的训练效果；构建整个网络中的损失函数，通过最小化损失函数来训练网络模型；本发明的网络结构中共有四个对抗损失，使用最小二乘损失作为Ladv1的对抗损失： 其中，D表示判别器，y表示真实噪声图像，ys-syn表示生成器自合成方式生成的噪声图像，对抗损失Ladv1被限制在y和ys-syn之间，其他三个对抗损失也可以通过约束当前生成噪声图像和y来类似的构造；通过进一步应用背景指导模块BGM来提供额外的可靠约束，BGM保持了合成噪声图像和干净图像之间背景的一致性，约束它们的低频内容相似，通过使用多个低通滤波器提取低频内容，并通过L1范数损失将低频内容限制为彼此相似，合成伪真实噪声图像xu-syn与干净图像x之间的BGM损失： 其中，x表示干净图像，xu-syn表示生成器非配对方式生成的噪声图像，Bσ·表示模糊核大小为σ的高斯滤波器算子，λσ表示级别σ的权重；根据经验将σ-s分别设置为3、9和15，将λ-s分被设置为0.01、0.1和1；最后，通过优化以下函数来训练去噪器： 其中，m表示样本对的总数，Θ表示网络中的参数，xreci是去噪器输出的去噪图像，i表示1-m中第i张样本图片，LSSIM表示SSIM损失用来约束图像的结构信息，λSSIM是LSSIM的权重； 步骤二：使用自协作策略，每次迭代后用当前更收敛的去噪器取代之前较弱的去噪器以生成更好的“合成噪声—干净”图像对，同时促进去噪器的训练，进一步提高其性能； 步骤三：当前网络完全收敛后，完成网络训练并得到最终模型，测试训练好的网络模型中去噪器的性能。

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四川大学，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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。