申请/专利权人：北京理工大学

申请日：2024-02-18

公开（公告）日：2024-03-19

公开（公告）号：CN117726542A

主分类号：G06T5/70

分类号：G06T5/70;G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06T5/60

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本申请提出了一种基于扩散模型的可控噪声去除方法及系统，该方法包括：构建基于潜在扩散模型的拟真噪声建模网络，包括噪声生成网络和相机适配网络；通过包括相机参数以及成对的真实带噪图像和干净图像的训练数据，预训练拟真噪声建模网络；基于扩散模型对预训练完成的相机适配网络进行微调；通过微调后的相机适配网络和预训练后的噪声生成网络生成大量的拟真成对数据，并通过拟真成对数据训练深度学习去噪网络，通过训练完成的深度学习去噪网络对待处理图像进行去噪。该方法能够针对各类相机的特定参数，可控地生成逼近真实噪声分布的成对训练数据集，实现高效的图像噪声去除效果。

主权项：1.一种基于扩散模型的可控噪声去除方法，其特征在于，包括以下步骤：构建基于潜在扩散模型的拟真噪声建模网络，其中，所述拟真噪声建模网络包括噪声生成网络和相机适配网络，所述相机适配网络用于根据相机参数控制带噪图像的噪声属性；获取训练数据，所述训练数据包括相机参数以及成对的真实带噪图像和干净图像，并通过所述训练数据预训练所述拟真噪声建模网络；基于预训练完成的相机适配网络的输出数据和扩散模型，对所述预训练完成的相机适配网络进行微调，微调后的相机适配网络的输入为干净图像和相机参数；将待加噪的干净图像和目标相机的参数输入微调后的相机适配网络和预训练后的噪声生成网络，获得大量的拟真成对数据，并通过所述拟真成对数据训练深度学习去噪网络，通过训练完成的深度学习去噪网络对待处理图像进行去噪。

全文数据：

权利要求：

百度查询： 北京理工大学 基于扩散模型的可控噪声去除方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD