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！

龙图腾网获悉山东财经大学申请的专利区域感知驱动的自监督图像降噪方法、系统、装置及介质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：CN120765499B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202511254774.1，技术领域涉及：G06T5/70；该发明授权区域感知驱动的自监督图像降噪方法、系统、装置及介质是由张桐瑞;李慧宇;范琳伟;崔瑾;张彩明设计研发完成，并于2025-09-04向国家知识产权局提交的专利申请。

本区域感知驱动的自监督图像降噪方法、系统、装置及介质在说明书摘要公布了：本申请提供一种区域感知驱动的自监督图像降噪方法、系统、装置及介质，属于图像处理技术领域，所述方法包括：构建自适应区域感知网络框架，包括初始自适应区域感知盲点网络、自适应混合置乱分支、非置乱分支和随机几何变换像素下采样模块；对自适应混合置乱分支和非置乱分支进行训练，生成训练好的自适应区域感知盲点网络；将含噪图像输入训练好的自适应区域感知网络中得到测试验证后的自适应区域感知盲点网络；将含噪图像输入到测试验证后的自适应区域感知盲点网络中得到去噪图像。获得了更优的去噪效果。

本发明授权区域感知驱动的自监督图像降噪方法、系统、装置及介质在权利要求书中公布了：1.一种区域感知驱动的自监督图像降噪方法，其特征在于，所述方法包括： 步骤S1：构造含噪图像数据集； 步骤S2：构建自适应区域感知网络框架，所述自适应区域感知网络框架包括初始自适应区域感知盲点网络、并行设置的自适应混合置乱分支和非置乱分支、以及部署在自适应混合置乱分支和非置乱分支上的随机几何变换像素下采样模块； 步骤S3：对自适应混合置乱分支和非置乱分支进行并行训练，生成训练好的自适应区域感知盲点网络； 步骤S4：将含噪图像输入训练好的自适应区域感知网络进行测试，若测试通过，则得到测试验证后的自适应区域感知盲点网络，若测试不通过则返回执行步骤S3继续优化； 步骤S5：将含噪图像输入到测试验证后的自适应区域感知盲点网络中，得到去噪图像； 步骤S2中，所述自适应混合置乱分支对含噪图像进行粗置乱生成置乱子图像； 所述置乱子图像经初始自适应区域感知盲点网络处理得到粗略估计图像； 基于所述粗略估计图像的局部标准差区分平坦区域和纹理区域； 对所述平坦区域增强像素扰动，并对所述纹理区域减弱像素扰动，生成细置乱训练样本； 所述非置乱分支通过随机几何变换像素下采样模块对含噪图像进行随机变换像素下采样，生成随机变换像素下采样增强的训练样本； 对含噪图像进行粗置乱生成置乱子图像，其表达式为： 其中，表示输入的含噪图像，表示一个大小为2×2步长为2的滑动窗口对含噪图像进行随机像素置乱，表示步长为2的像素重组下采样； 所述置乱子图像经初始自适应区域感知盲点网络处理得到粗略估计图像，其表达式为： 其中，表示置乱子图像，表示粗略估计图像； 基于所述粗略估计图像的局部标准差区分平坦区域和纹理区域，其表达式为： 其中，表示以像素i,j为中心的n×n的窗口，表示计算窗口内像素值的标准差；表示局部标准差； 对所述平坦区域增强像素扰动，并对所述纹理区域减弱像素扰动，生成细置乱训练样本，其表达式为： 当时， 所述非置乱分支通过随机几何变换像素下采样模块对含噪图像进行随机变换像素下采样，生成随机变换像素下采样增强的训练样本，其表达式为： 当时， 其中，表示在n×n窗口内的随机置乱，r为区分平坦和纹理区域的预设阈值，表示细置乱训练样本，表示随机变换像素下采样增强的训练样本； 复合损失函数的表达式为： 其中，表示复合损失函数，表示自适应混合置乱分支损失，表示非置乱分支损失，表示自适应混合置乱分支的去噪输出，表示非置乱分支的去噪输出，和分别表示步长为的随机变换像素下采样及其逆操作。

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山东财经大学，其通讯地址为：250000 山东省济南市历下区二环东路7366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。