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！

龙图腾网获悉南京信息工程大学申请的专利一种基于自适应全变分图像降噪模型的图像降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：CN115239585B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202210844827.5，技术领域涉及：G06T5/70；该发明授权一种基于自适应全变分图像降噪模型的图像降噪方法是由周先春;鲁思琪;杨传兵设计研发完成，并于2022-07-19向国家知识产权局提交的专利申请。

本一种基于自适应全变分图像降噪模型的图像降噪方法在说明书摘要公布了：本申请公开一种基于自适应全变分图像降噪模型的图像降噪方法，包括以下步骤：获取待降噪图像；预处理获取的待降噪图像，获得原图像矩阵；基于预设的模型参数，将原图像矩阵导入自适应全变分图像降噪模型，经过多次迭代降噪，获得多张降噪图像，并从多张降噪图像中选取降噪效果最佳的降噪图像作为待降噪图像的降噪图像，其中，自适应全变分图像降噪模型的自适应函数用于控制降噪过程中的降噪强度。本发明能够对图像进行降噪，并获得降噪图像。

本发明授权一种基于自适应全变分图像降噪模型的图像降噪方法在权利要求书中公布了：1.一种基于自适应全变分图像降噪模型的图像降噪方法，其特征是，包括以下步骤： 获取待降噪图像； 预处理获取的待降噪图像，获得原图像矩阵； 基于预设的模型参数，将原图像矩阵导入自适应全变分图像降噪模型，经过多次迭代降噪，获得多张降噪图像，并从多张降噪图像中选取降噪效果最佳的降噪图像作为待降噪图像的降噪图像； 其中，自适应全变分图像降噪模型的自适应函数用于控制降噪过程中的降噪强度； 所述基于预设的模型参数，将原图像矩阵导入自适应全变分图像降噪模型，经过多次迭代降噪，获得多张降噪图像包括： 执行以下迭代步骤： 获取n、、、和的初始值或者上一次迭代步骤对应的更新值以及模型参数； 通过下式更新当前迭代次数的降噪图像矩阵： ； 式中，上标n表示初始状态或上一次迭代步骤的更新状态，上标n+1表示当前更新状态，n为迭代次数，且n的初始值为0，为降噪图像矩阵，且的初始值为，为原图像矩阵，为降噪图像矩阵的沿边缘方向的二阶导数，且的初始值为原图像矩阵的沿边缘方向二阶导数，为降噪图像矩阵的沿梯度方向的二阶导数，且的初始值为原图像矩阵的沿梯度方向的二阶导数，为降噪图像矩阵的梯度模，且的初始值为原图像矩阵的梯度模，P为自适应函数，和均为模型参数； 判断迭代次数是否达标：如果达标，则停止迭代步骤并输出当前更新状态的降噪图像矩阵，以获得对应的降噪图像，否则，输出当前更新状态的降噪图像矩阵以获得对应的降噪图像，并通过下式更新n、、、以及： ； ； ； ； n=n+1； 式中，为降噪图像矩阵对的偏导，为降噪图像矩阵对的偏导，为降噪图像矩阵对的二阶偏导，为降噪图像矩阵对的二阶偏导，为降噪图像矩阵对的二阶偏导； 所述自适应函数包括下式： ； ； 其中，为降噪图像的纹理特征，为二阶导数水平集曲率，为归一化的差分曲率，为归一化的局部方差； 其中，所述归一化的差分曲率包括下式： ； 式中，为差分曲率，为函数最小值，为函数最大值； 所述归一化的局部方差包括下式： ； 式中，为方差； 所述方差包括下式： ； 式中，为降噪图像局部领域的纹理特征的平均值，N为局部领域的像素范围参数，且N为小于m1和m2的奇正整数，若0和或m1和或0和或m2，则元素，为0。

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信息工程大学，其通讯地址为：224002 江苏省盐城市盐南高新区新河街道文港南路105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。