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！

龙图腾网获悉电子科技大学申请的专利一种基于马尔可夫稳健稀疏贝叶斯学习的图像去噪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：CN119205546B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411138802.9，技术领域涉及：G06T5/70；该发明授权一种基于马尔可夫稳健稀疏贝叶斯学习的图像去噪方法是由荣佳睿;段惠萍设计研发完成，并于2024-08-19向国家知识产权局提交的专利申请。

本一种基于马尔可夫稳健稀疏贝叶斯学习的图像去噪方法在说明书摘要公布了：本发明提出了一种基于马尔可夫稳健稀疏贝叶斯学习的图像去噪方法，在不增加计算复杂度的情况下利用前一个样本的状态信息修正当前样本的状态概率，提升了RSBL算法的稳健性，并且能够有效去除图像的椒盐噪声。该图像去噪方法的过程是：将图像划分为大小一致的像素块，针对每个像素块在像素所处位置与像素强度之间建立回归模型并将该回归问题转化为稀疏重构问题，初始化本发明涉及的参数后，输入感知矩阵和观测向量，对参数和稀疏向量的后验分布进行迭代更新，最终将稀疏向量近似后验期望作为回归模型的权重向量，再使用回归模型预测像素块中心位置的强度，对所有像素块进行预测操作后得到去噪后的图像。

本发明授权一种基于马尔可夫稳健稀疏贝叶斯学习的图像去噪方法在权利要求书中公布了：1.一种基于马尔可夫稳健稀疏贝叶斯学习的图像去噪方法，其特征在于，包括步骤： 将图像划分为大小一致的像素块，各像素块中的像素总数M，将图像块中各像素的像素强度组成的向量作为观测向量y；观测向量y中第i个元素为第i个像素的观测值yi，即图像中第i个像素的像素强度； 对冲击噪声和非冲击噪声使用两个不同参数的高斯分布模型进行表达，使用标志向量z中第i个像素处的标志变量zi对观测值yi是否受到冲击噪声影响进行区分，zi＝1表示第i个像素处受到冲击噪声，zi＝0表示第i个像素处受到非冲击噪声；设当前标志变量zi受到前一标志变量zi-1的影响，设参数π0,i表示zi-1＝0时zi＝0的概率，设参数π1,i表示zi-1＝1时zi＝1的概率，π0,i和π1,i通过相关性参数x关联；π0,i＝π1,i+x，其中x∈[0,1]； 针对每个像素块在像素所处位置与像素强度之间建立回归模型，将回归模型的回归问题转化为压缩感知模型中的稀疏重构问题，其中，回归模型的核函数构成的矩阵对应于压缩感知模型中的感知矩阵，回归模型的核函数的权重向量对应于压缩感知模型中的稀疏向量； 根据感知矩阵A、观测向量y以及相关性参数x求解稀疏向量的后验估计值μs，具体包括计算稀疏向量的后验估计值μs和稀疏向量的协方差矩阵Φs，μs＝ΦsATDy，Φs＝ATDA+Dδ-1；其中，中间量Dδ＝diagδ，diag表示将向量转换为对角阵，表示后验期望估计值，T表示转置，中间量D＝η0D1-z+η1Dz，Dz＝diagz、D1-z＝I-diagz，I为单位矩阵，其中，η0和η1为精度估计值；并将稀疏向量的后验估计值μs作为回归模型的核函数的权重向量，再使用回归模型预测像素块中每个点的像素强度，对所有像素块进行预测操作后得到去噪后的图像。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。