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！

龙图腾网获悉北京科技大学;中国科学院自动化研究所;智慧互通科技股份有限公司申请的专利一种基于语义约束退化建模的图像增强方法与系统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：CN121414589B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202511982831.8，技术领域涉及：G06T3/4076；该发明授权一种基于语义约束退化建模的图像增强方法与系统是由殷绪成;石帆;祝晓斌;杨春;程健;闫军;姜杰设计研发完成，并于2025-12-26向国家知识产权局提交的专利申请。

本一种基于语义约束退化建模的图像增强方法与系统在说明书摘要公布了：本申请公开了一种基于语义约束退化建模的图像增强方法与系统，方法包括：基于用于训练的低分辨率图像分别提取语义掩码和多尺度退化特征；基于双流并行架构对提取的语义掩码和多尺度退化特征进行深度融合，生成语义‑结构融合特征；形成多模态引导条件，并将多模态引导条件与语义‑结构融合特征共同作为输入，通过扩散生成模型重建高分辨率预测图像；基于高分辨率预测图像与其对应的目标图像构建结构一致性优化总损失，并基于结构一致性优化总损失优化扩散生成模型；将待预测的低分辨率图像输入至优化完成的扩散生成模型中，得到其对应的高分辨率图像。利用本申请的方案，通过多模块协同和深度融合，实现了对低分辨率图像的全面且精细化理解。

本发明授权一种基于语义约束退化建模的图像增强方法与系统在权利要求书中公布了：1.一种基于语义约束退化建模的图像增强方法，其特征在于，包括： 将用于训练的低分辨率图像分别输入语义引导生成模块和多层次退化特征建模模块，分别提取语义掩码和多尺度退化特征； 基于双流并行架构对提取的语义掩码和多尺度退化特征进行深度融合，生成语义-结构融合特征； 形成多模态引导条件，并将所述多模态引导条件与所述语义-结构融合特征共同作为输入，通过扩散生成模型重建高分辨率预测图像； 基于高分辨率预测图像与其对应的目标图像构建结构一致性优化总损失，并基于结构一致性优化总损失优化扩散生成模型； 将待预测的低分辨率图像输入至优化完成的扩散生成模型中，得到其对应的高分辨率图像； 其中，所述双流并行架构包括图像分支和语义分支； 在基于双流并行架构对提取的语义掩码和多尺度退化特征进行深度融合的过程中执行以下步骤： 通过图像分支接收用于训练的低分辨率图像特征以及所述多尺度退化特征，采用所述多尺度退化特征来指导对用于训练的低分辨率图像特征的处理，以去除退化影响，提取出结构特征； 通过语义分支接收所述语义掩码，并采用自注意力机制提取并输出区分性语义特征； 将区分性语义特征作为引导信息，通过跨模态注意力机制对结构特征进行加权与调制，生成语义-结构融合特征； 基于高分辨率预测图像与其对应的目标图像构建结构一致性优化总损失的过程中，执行以下步骤： 将高分辨率预测图像与其对应的目标图像作为输入对，分别在多个递减的空间尺度上进行下采样，以构建多尺度的图像金字塔； 在图像金字塔的每一层级上，针对高分辨率预测图像以及与其对应的目标图像中的每一个像素点，采用Sobel算子计算其水平方向与垂直方向的梯度分量，从而形成多尺度的金字塔式梯度向量表征； 对于图像金字塔的每一个层级，将该层级上获得的高分辨率预测图像与目标图像分别对应的梯度分量作为输入，分别计算其在该层级上的方向敏感结构保持损失； 将所有层级的方向敏感结构保持损失进行累加，得到结构一致性优化总损失； 所述方向敏感结构保持损失的计算公式为： ，为方向敏感结构保持损失，为高分辨率预测图像在像素i处水平方向的梯度向量，为高分辨率预测图像在像素i处垂直方向的梯度向量，为目标图像在像素i处水平方向的梯度向量，为目标图像在像素i处垂直方向的梯度向量，N为像素的总数。

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北京科技大学;中国科学院自动化研究所;智慧互通科技股份有限公司，其通讯地址为：100000 北京市海淀区学院路30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。