龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：深圳市未来媒体技术研究院;清华大学深圳国际研究生院
摘要：本发明提出一种自监督图像去噪方法，通过特征编码器和视觉Transformer网络结合扩散模型实现高效去噪。首先，下采样原始有噪图像生成成对子图像，并提取语义特征。随后，这些特征嵌入视觉Transformer网络进行去噪训练，同时利用扩散模型更新语义特征向量，增强特征表示。进一步，通过联合训练和自监督策略优化网络，解决信息丢失问题，显著提升去噪性能。最终，模型能输出高质量的去噪图像，无需成对训练数据，具有优于现有方法的去噪效果。
主权项：1.一种基于扩散模型引导的自监督图像去噪方法，其特征在于，包括以下步骤：S1、对原始有噪图像进行下采样，获取尺寸减小的成对有噪子图像；利用特征编码器对所述有噪子图像进行处理，生成语义特征先验向量；S2、将提取得到的语义特征先验向量嵌入到视觉Transformer网络的各个模块中，开始去噪训练，其中视觉Transformer网络利用多头注意力和门控前馈网络处理特征；S3、将下采样的子图通过特征编码器得到的语义特征先验向量输入扩散模型，并将原尺度有噪图像通过条件信息编码器处理得到的条件信息输入并引导扩散模型，应用隐式空间扩散的方式更新语义特征向量，其中，通过扩散模型的前向扩散生成中间状态，再通过扩散模型的去噪网络实现反向扩散，得到去噪后的语义特征；S4、将更新后的语义特征向量再次嵌入到视觉Transformer网络中，视觉Transformer网络和扩散模型进行联合训练，并通过正则化损失和自监督训练策略优化网络参数；S5、使用训练好的视觉Transformer网络和扩散模型进行图像去噪；其中，利用条件信息编码器将原尺度的噪声图像作为条件输入，以引导扩散模型恢复图像的结构先验信息，然后，扩散模型执行反向过程，生成更新后的语义特征先验信息，再将更新后的语义特征先验信息与噪声图像一起输入到视觉Transformer网络进行去噪处理，得到重构后的去噪图像。
全文数据：
权利要求：
百度查询： 深圳市未来媒体技术研究院 清华大学深圳国际研究生院 一种基于扩散模型引导的自监督图像去噪方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号