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！

龙图腾网获悉泉州装备制造研究所;中国科学院福建物质结构研究所申请的专利基于残差去噪扩散模型的图像复原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：CN121563847B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610078002.5，技术领域涉及：G06T5/77；该发明授权基于残差去噪扩散模型的图像复原方法及装置是由李俊;高银;林笛;高奇晖;谢银辉;林毅滨设计研发完成，并于2026-01-21向国家知识产权局提交的专利申请。

本基于残差去噪扩散模型的图像复原方法及装置在说明书摘要公布了：本发明涉及图像处理技术领域，提供一种基于残差去噪扩散模型的图像复原方法及装置，采用的残差去噪扩散模型引入残差扩散机制，通过残差估计网络估计当前去噪步的残差，通过估计当前去噪步的噪声，可以实现待去雾图像的条件初始化，将待去雾图像的正向扩散过程作为去噪起点，不仅可以保留待去雾图像的原始内容特征，还可以在去雾过程中减少图像的生成随机性，有效去除雾霾对图像质量的影响，提升去雾图像的清晰度和视觉效果。

本发明授权基于残差去噪扩散模型的图像复原方法及装置在权利要求书中公布了：1.一种基于残差去噪扩散模型的图像复原方法，其特征在于，包括： 获取待去雾图像； 对所述待去雾图像进行加噪，得到加噪图像，并将所述加噪图像输入至残差去噪扩散模型，得到所述残差去噪扩散模型输出的所述待去雾图像对应的去雾图像； 其中，所述残差去噪扩散模型包括残差估计网络、噪声估计网络以及扩散网络，所述残差估计网络用于基于所述加噪图像，估计当前去噪步的残差，所述噪声估计网络用于基于所述加噪图像，估计当前去噪步的噪声；所述残差去噪扩散模型将扩散过程解耦为残差扩散过程和噪声扩散过程，所述残差扩散过程通过所述残差估计网络实现，指导去噪图像到所述待去雾图像的方向性扩散，所述噪声扩散过程通过所述噪声估计网络实现； 所述扩散网络用于基于当前去噪步的残差和噪声，计算下一去噪步的去噪图像的均值，基于下一去噪步的去噪图像的均值和方差，估计下一去噪步的去噪图像，并将下一去噪步的去噪图像作为所述加噪图像分别输入至所述残差估计网络和所述噪声估计网络进行迭代，直至达到预设迭代次数，将所述预设迭代次数得到的去噪图像作为所述去雾图像； 所述残差去噪扩散模型的正向扩散过程表示为： ， 其中，为加噪图像，J为生成待去雾图像的清晰图像；为待去雾图像与清晰图像J之间的残差，为t个加噪步的残差权重的乘积，即是第t个加噪步的残差权重，为t个加噪步的噪声权重的乘积，即是第t个加噪步的噪声权重，是得到加噪图像时对待去雾图像添加的高斯噪声； 所述残差去噪扩散模型分两阶段训练，第一阶段利用成对的真实无雾图像和合成有雾图像，结合实际噪声样本，对初始残差去噪扩散模型进行训练，得到备选模型；第二阶段利用真实有雾图像及其对应的清晰图像样本、透射率图样本以及大气光图样本，并结合实际噪声样本，对所述备选模型进行微调，得到所述残差去噪扩散模型； 第一阶段训练损失通过对噪声损失与残差损失进行加权求和得到，表示如下： ， 其中，均为超参数，为所述第一阶段训练损失，为噪声损失，为残差损失； 第二阶段训练损失为重建损失； 所述噪声损失和所述残差损失的计算公式分别为： ， 其中，为估计残差样本对应的权重，为估计噪声样本对应的权重，表示范数，为实际残差样本，为估计残差样本，为加噪无雾图像样本，为估计噪声样本，为期望。

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泉州装备制造研究所;中国科学院福建物质结构研究所，其通讯地址为：362100 福建省泉州市台商投资区洛阳镇上浦村吉贝511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。