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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利一种图像去噪方法、装置、存储介质及终端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：CN119850456B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411840711.X，技术领域涉及：G06T5/70；该发明授权一种图像去噪方法、装置、存储介质及终端是由薛斌;赵卫虎;马宇峰;杨君刚;赵志远;徐庆征;刘欢设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本一种图像去噪方法、装置、存储介质及终端在说明书摘要公布了：本发明提供一种图像去噪方法及装置，属于图像处理技术领域，所述方法包括：将外部无噪图像和内部含噪图像分别划分为多个图像块；对外部无噪图像的每个图像块进行块匹配搜索，获取最相似的块组，作为无噪图像相似块组；对内部含噪图像的每个图像块进行块匹配搜索，获取最相似的块组，作为含噪图像相似块组；基于高斯混合过程学习无噪图像相似块组，构建外部无噪图像的高斯混合先验模型；基于高斯混合先验模型指导内部含噪图像学习内部含噪先验，用外部字典补充内部字典；基于内外混合先验字典与结构化稀疏编码实现去噪，并将所有块组中的重构块聚合起来得到待处理图像对应的目标图像。本发明能够提升图像去噪效果，进而改善图像质量。

本发明授权一种图像去噪方法、装置、存储介质及终端在权利要求书中公布了：1.一种图像去噪方法，其特征在于，包括： 将外部无噪图像和内部含噪图像分别划分为多个图像块；内部含噪图像为待处理图像； 对外部无噪图像的每个图像块进行块匹配搜索，获取最相似的块组，作为无噪图像相似块组；对内部含噪图像的每个图像块进行块匹配搜索，获取最相似的块组，作为含噪图像相似块组； 基于高斯混合过程学习无噪图像相似块组，构建外部无噪图像的高斯混合先验模型； 基于高斯混合先验模型指导内部含噪图像学习内部含噪先验，用外部字典补充内部字典；其中，指导包括：指导无噪图像相似块组的高斯混合模型元件选择和正交字典学习； 基于内外混合先验字典与结构化稀疏编码实现去噪，并将所有块组中的重构块聚合起来得到待处理图像对应的目标图像； 其中，基于高斯混合过程学习无噪图像相似块组，构建外部无噪图像的高斯混合先验模型，包括： 基于高斯混合过程学习外部无噪图像块，捕捉图像中相似块的统计特性，探索模型层次、元件结构和参数关系； 根据基准矩阵和关联参数生成共享权值，在高斯混合模型构建过程中，采用低秩表示将高维问题转化为低维问题，采用迹范数先验构建低秩特性； 高斯混合先验模型的特征矩阵作为外部子字典指导下一阶段内部子字典学习； 基于高斯混合先验模型指导内部含噪图像学习内部含噪先验，用外部字典补充内部字典，包括： 对含噪图像相似块组进行去均值操作； 根据高斯混合先验模型指导含噪图像相似块组的高斯混合模型元件选择，将含噪图像相似块组映射到高斯混合先验模型子空间中，通过估算后验概率选择最合适的高斯混合模型元件； 基于高斯混合先验模型指导含噪图像相似块组的正交字典学习，将所有含噪图像相似块组分配给高斯混合先验模型中对应的高斯混合模型元件，从含噪图像相似块组中学得混合正交字典，在对应的外部正交子字典的指导下刻画含噪图像相似块组先验，学得内部子字典补充外部子字典； 基于内外混合先验字典与结构化稀疏编码实现去噪，并将所有块组中的重构块聚合起来得到待处理图像对应的目标图像，包括： 根据外部子字典和内部子字典构建内外混合正交字典，外部子字典从外部无噪数据中预训练，通过结构化加权稀疏编码实现混合正交字典学习，学得内部子字典； 交替更新稀疏编码向量和内部子字典，直到迭代次数超过预设迭代次数阈值，学得内外混合正交字典； 根据所述内外混合先验字典与结构化稀疏编码进行去噪，并采用迭代正则化策略进行多此迭代优化； 将含噪图像相似块组及当前块组聚合得到聚合结果，直至为待处理图像的所有图像块进行聚合为止，并根据所述聚合结果确定所述目标图像。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。