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！

龙图腾网获悉四川农业大学申请的专利基于噪声塑形与隐空间建模的低比特深度图像增强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：CN120125466B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202510623478.8，技术领域涉及：G06F16/50；该发明授权基于噪声塑形与隐空间建模的低比特深度图像增强方法是由都锦阳;彭昌猛;林野;陈向东;彭澳设计研发完成，并于2025-05-15向国家知识产权局提交的专利申请。

本基于噪声塑形与隐空间建模的低比特深度图像增强方法在说明书摘要公布了：本发明涉及图像处理领域，具体涉及一种基于噪声塑形与隐空间建模的低比特深度图像增强方法。方案包括：通过Sigma‑Delta调制器进行噪声整形量化，构建低比特深度图像；通过分层特征发现模块生成低比特深度‑低分辨率图像对；在隐空间中建模低分辨率图像与高比特深度图像的关系；通过自适应权重融合模块融合多个低比特深度‑低分辨率图像对，低比特深度‑低分辨率图像对包含不同的特征信息，自适应权重融合模块根据特征信息量进行动态融合，权重根据输入图像对的具体特征动态调整。本发明适用于低比特深度图像增强。

本发明授权基于噪声塑形与隐空间建模的低比特深度图像增强方法在权利要求书中公布了：1.基于噪声塑形与隐空间建模的低比特深度图像增强方法，其特征在于，包括： S1、通过Sigma-Delta调制器进行噪声整形量化，构建低比特深度图像； S2、通过分层特征发现模块生成低比特深度-低分辨率图像对； 分层特征发现模块由一个采样模块和一个特征编码模块组成，采样模块定义如下： ，； ，； 式中，表示下采样操作，表示对低比特深度图像t进行i次采样后得到的结果，表示上采样操作，表示对低比特深度图像t进行上采样j倍后得到的结果； 将相同维数的和连接，得到低比特深度-低分辨率图像对，通过特征编码模块将超分辨率模块的参数冻结，同时将该超分辨率模块复制一份，作为具有参数的一份训练副本，该训练副本以低比特深度-低分辨率图像对作为输入； S3、在隐空间中建模低分辨率图像与高比特深度图像的关系； 引入条件后验分布，在隐空间中建模低分辨率与高比特深度图像的关系，假设存在不同的与，在自然状态下高比特深度图像是由图像的真实信息通过先验分布获取，将从训练副本中得到的参数加入隐空间，利用生成模型模拟条件后验分布；先验分布指通过降低高比特深度图像分辨率与比特深度的方式得到低分辨率图像，表示高比特深度图像，表示低分辨率图像，表示第n个低分辨率图像，表示第n个高比特深度图像； S4、通过自适应权重融合模块融合多个低比特深度-低分辨率图像对； 通过自适应权重融合模块融合多个低比特深度-低分辨率图像对，低比特深度-低分辨率图像对包含不同的特征信息，自适应权重融合模块根据特征信息量进行动态融合，权重根据输入图像对的具体特征动态调整，对于信息丢失或压缩伪影大于设置值的图像对，增加低比特深度-低分辨率图像对分支的权重，对于信息完整或压缩伪影小于设置值的图像对，增加低分辨率图像分支的权重； 自适应权重融合模块的输入是从隐空间中得到的低比特深度-低分辨率图像对与经过超分辨率模块处理后的低分辨率图像，将输入分别传递到注意力分支、无注意力分支和融合分支，注意力分支和无注意力分支负责从输入图像中提取互补特征，注意力分支聚焦于细节，无注意力分支捕捉全局图像信息，融合分支负责自适应地加权注意力分支和无注意力分支的贡献并应用Softmax归一化权重； 将注意力分支、无注意力分支和融合分支的加权输出进行组合，并根据计算出的权重调整每个分支的贡献，将处理过的加权输出与原始输入图像融合，恢复高比特深度图像的特征，通过结合所有图像对的加权表示生成最终的输出图像。

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农业大学，其通讯地址为：625000 四川省雅安市雨城区新康路46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”。