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！

龙图腾网获悉大连理工大学申请的专利一种基于轻量级扩散模型的水下图像处理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：CN117152600B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202310914540.X，技术领域涉及：G06V20/05；该发明授权一种基于轻量级扩散模型的水下图像处理方法是由覃振权;程博;卢炳先;王雷;朱明设计研发完成，并于2023-07-25向国家知识产权局提交的专利申请。

本一种基于轻量级扩散模型的水下图像处理方法在说明书摘要公布了：本发明属于图像处理领域，公开了一种基于轻量级扩散模型的水下图像处理技术，旨在解决水下图像严重的退化问题，有利于后续任务的开展。首先分析带参考水下数据集中图像的颜色分布作为先验；其次，定义神经架构搜索算法的搜索空间和神经网络；再次，利用分布先验引导潜扩散模型的训练过程；最后，根据神经架构搜索算法得到的多个网络模块组合，组合为多个潜扩散模型并评估模型表现，根据表现来选择针对不同终端设备的模型。本发明能够增强水下图像质量，并利用扩散模型的数据分布学习优势来生成多样性更强的水下图像。此外，本发明还将根据终端设备的资源限制自动搜索合适的扩散模型，达成轻量级设计的目的。

本发明授权一种基于轻量级扩散模型的水下图像处理方法在权利要求书中公布了：1.一种基于轻量级扩散模型的水下图像处理方法，其特征在于，包括步骤如下：步骤1、获取现存水下图像数据集中退化图像和增强图像的颜色分布直方图； 以水下图像数据集为研究目标，所述水下图像数据集包括配对的退化图像Ud和增强图像Ue的图像组合；所述退化图像表示在水下场景直接获取到的图像，所述增强图像表示对退化图像使用图像增强算法后获得的图像；得到所述水下图像数据集中每一对图像组合的颜色直方图，所述颜色直方图呈现红、绿、蓝三种颜色在[0,255]像素值范围的分布y，作为颜色分布先验； 步骤2、设计神经架构搜索算法，用于自动搜索神经网络模块，包括以下步骤： 步骤2.1、定义搜索空间：所述搜索空间是待选神经网络模块的集合； 搜索空间Si＝{convdepth，width，kernelsize，attention}，其中conv表示卷积类型、attention表示注意力机制、depth表示网络深度、width表示网络宽度、kernelsize表示卷积核大小； 步骤2.2、训练所述搜索空间组成的神经网络：搜索空间组成的神经网络权重为Wo，搜索空间组成的神经网络模块选择机制为C，搜索空间组成的神经网络损失为Lval，训练过程以为训练目标； 步骤2.3、训练搜索空间组成的神经网络后，得到多种组合的神经网络模块； 步骤3、定义潜扩散模型； 所述潜扩散模型的模型结构包括压缩感知模型、扩散模型和条件编码器；压缩感知模型包括编码器和解码器扩散模型为基于U-Net的神经网络，包括编码器和解码器条件编码器仅包括编码器τθ； 所述潜扩散模型的数据流包括压缩感知模型数据流和潜扩散模型数据流； 压缩感知模型数据流为：压缩感知模型的编码器压缩水下图像数据集的退化图像为潜变量，压缩感知模型的解码器重建潜变量为还原图像； 潜扩散模型数据流为：压缩感知模型的编码器压缩水下图像数据集的退化图像为潜变量，输入潜变量至扩散模型的编码器扩散模型的编码器添加噪音至潜变量生成噪音潜变量；输入噪音潜变量至扩散模型的解码器条件编码器压缩颜色先验为潜空间先验，输入潜空间先验至扩散模型的解码器扩散模型的解码器预测噪音，输出去噪后的潜变量，输入去噪潜变量至压缩感知模型的解码器压缩感知模型的解码器重建去噪潜变量为增强图像； 步骤4、训练潜扩散模型； 所述潜扩散模型的训练包括两个流程；首先仅训练压缩感知模型，在这个过程中，扩散模型和条件编码器不参与训练；其次训练扩散模型，在这个过程中，训练后的压缩感知模型仅用于压缩水下图像数据集的退化图像为潜变量以及重建去噪潜变量为增强图像，不更新模型参数；条件编码器采用经过预训练的开源模型，仅用于压缩颜色先验为潜空间先验，不更新模型参数； 步骤5、根据所述步骤2.3得到的多种组合的神经网络模块，重复定义扩散模型，获得基于多种组合U-Net的扩散模型；重复训练扩散模型，开展图像增强任务，对不同的扩散模型进行训练评估，根据其表现来挑选出针对不同终端设备的模型。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。