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！

龙图腾网获悉西北大学申请的专利一种中国碑文图像去噪模型构建方法、去噪方法及装置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：CN115131235B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202210692027.6，技术领域涉及：G06T5/70；该发明授权一种中国碑文图像去噪模型构建方法、去噪方法及装置是由肖云;张颖;李祁;许鹏飞;董智强;任哲;王淑文;郭军设计研发完成，并于2022-06-17向国家知识产权局提交的专利申请。

本一种中国碑文图像去噪模型构建方法、去噪方法及装置在说明书摘要公布了：本发明公开了一种中国碑文图像去噪模型构建方法、去噪方法及装置，模型构建方法包括：采集多幅完整的带噪声的碑文图像获得噪声数据集；对噪声数据集进行预处理；将文字检测数据集中的预处理后的噪声图像作为输入，将对应的框选后的噪声图像作为参考输出，训练图像文字检测模型，得到训练好的图像文字检测模型；框外去噪；训练框内去噪模型得到训练好的框内去噪模型，最终得到中国碑文图像去噪模型。本发明不仅能够对中国碑文图像的斑点噪声进行有效去除，还能够有效去除现有噪声去除模型无法去除的划痕噪声和片状腐蚀类噪声，对各种造成进行了无差别去除，降低了复杂噪声对模型的干扰，从而实现模型去除碑文图像噪声的高效性。

本发明授权一种中国碑文图像去噪模型构建方法、去噪方法及装置在权利要求书中公布了：1.一种中国碑文图像去噪模型构建方法，其特征在于，具体包括如下步骤： 步骤1、采集多幅完整的带噪声的碑文图像，获得噪声数据集； 步骤2、对噪声数据集进行预处理，获得预处理后的噪声数据集，对预处理后的噪声数据集进行人工处理得到干净数据集；对干净数据集进行文字框选处理，得到对应的文字检测数据集；具体包括如下子步骤： 步骤2.1：将噪声数据集中的所有碑文图像统一缩放到512×512大小像素，得到调整后的碑文图像； 步骤2.2：对调整后的碑文图像进行二值化，得到二值化碑文图像； 步骤2.3：根据碑文呈现情况，对二值化后的碑文图像进行形态学运算，得到修补后的碑文图像； 步骤2.4：对修补后的所有碑文图像进行人工去噪，得到对应的干净数据集，与步骤2.2得到的预处理后的噪声数据集配对组成碑文成对数据集； 步骤2.5：对步骤2.4得到的干净数据集中所有碑文图像进行框选处理，得到框选后的噪声图像，框选后的噪声图像与步骤2.2得到的预处理后的噪声图像配对组成文字检测数据集； 步骤3、将步骤2得到的文字检测数据集中的预处理后的噪声图像作为输入，将对应的框选后的噪声图像作为参考输出，训练图像文字检测模型，得到训练好的图像文字检测模型；将文字检测数据集中的预处理后的噪声图像输入到训练好的图像文字检测模型中，得到预测结果并对其进行框外去噪，并将其作为输入，将步骤2得到的干净数据集作为参考输出，训练框内去噪模型，得到训练好的框内去噪模型，最终得到中国碑文图像去噪模型； 训练图像文字检测模型时，采用下式作为损失函数： 其中，代表图像文字检测模型预测得到的框选文字区域的碑文噪声图像，则为步骤2.5得到的框选噪声图像，表示图像像素点；为置信度参考矩阵： 其中，代表网络预测得到的碑文图像中的文本框数量，代表步骤2.5得到的文字检测数据集中的框选后的噪声图像得到的文本框数量；对于分割出的文本框，代表文本框区域，表示图像像素点，将属于范围内的像素点的置信度分值全部置为，其余位置设为1； 训练框内去噪模型时，采用下式作为损失函数： 其中，softmax损失函数，其中，表示在像素处特征通道中的激活值，，，为类数，为近似的最大函数； 接着使用该损失函数在每个位置惩罚与1的偏差，其中是每个像素的真实标签，R是训练过程中引入的关于重要像素的一个权重图； 权重计算过程为，是平衡文字和噪声类别比例的权值，是像素点到距离最近的文字边缘的距离，为像素点到距离次近的文字边缘的距离，和为常数，值分别设为10和5； 所述图像文字检测模型的前六层分别包括依次连接的卷积层、激活函数层、Batch Norm层和池化层，第七到十层分别包括依次连接的卷积层、Batch Norm层、卷积层和Batch Norm层；第二层的输出与第九层的输出按元素方向进行跳跃连接传递，第三层的输出与第八层的输出、第四层的输出与第七层的输出、第五层的输出与第六层的输出分别进行跳跃连接；第一到六层中的卷积层中卷积核大小均设置为3×3，池化层的池化核大小均设置为2×2，步长也设为2；第七到十层的第一个卷积核大小设为1×1，第二个设为3×3； 所述框内去噪模型的前四层均包括依次连接的卷积层、卷积层和池化层，第五层为依次连接的卷积层、卷积层和Batch Norm层，第六到九层均为依次连接的上采样层、卷积层和卷积层，其中，第一层的输出与第九层的输出按元素方向进行跳跃连接传递，第二层的输出与第八层的输出、第三层的输出与第七层的输出、第四层的输出与第六层的输出分别进行跳跃连接；第一到四层中的卷积层中卷积核大小均设置为3×3，池化层的池化核大小均设置为2×2，步长也设为2；第六到九层的上采样层通过使用2×2内核的反卷积实现，卷积层的卷积核大小设为3×3。

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西北大学，其通讯地址为：710069 陕西省西安市太白北路229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。