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！

龙图腾网获悉齐鲁工业大学(山东省科学院)申请的专利一种基于多尺度和分层特征融合的PRNU匿名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：CN120599058B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202511086550.4，技术领域涉及：G06T9/00；该发明授权一种基于多尺度和分层特征融合的PRNU匿名方法是由李健;严立圣;马宾;王春鹏;李晓龙设计研发完成，并于2025-08-05向国家知识产权局提交的专利申请。

本一种基于多尺度和分层特征融合的PRNU匿名方法在说明书摘要公布了：本发明公开了一种基于多尺度和分层特征融合的PRNU匿名方法，涉及信息安全技术领域，包括以下步骤：S1：首先输入目标图像，随后将该图像输入到基于深度学习的PRNU提取网络中，通过该网络提取目标图像对应的PRNU噪声；S2：根据目标图像随机生成一个与该图像宽和高相同的噪声张量，并将该张量输入到多尺度动态曼巴U型网络网络架构中，该架构主要由多尺度动态Unet、曼巴模块组成。本发明要解决的技术问题是提供一种基于多尺度和分层特征融合的PRNU匿名方法，削弱图像与设备的物理关联的同时，既能防范恶意的身份追踪，又能确保图像在多媒体、医疗、司法等场景中的实用价值。

本发明授权一种基于多尺度和分层特征融合的PRNU匿名方法在权利要求书中公布了：1.一种基于多尺度和分层特征融合的PRNU匿名方法，其特征是，包括以下步骤： S1：首先输入目标图像，并通过基于深度学习的PRNU提取网络提取目标图像对应的PRNU噪声； S2：根据目标图像随机生成一个与该图像宽和高相同的噪声张量，并将该张量输入到多尺度动态曼巴U型网络的网络架构中，该架构由多尺度动态Unet及曼巴模块组成； S3：利用多尺度动态曼巴U型网络的先验知识得到与目标图像的图像结构特征更相近的中间图像 S4：将中间图像和目标图像的PRNU噪声输入到PRNU抑制模块中，PRNU抑制模块会通过一个由参数λ控制的可学习卷积层和注意力机制对目标图像的PRNU添加扰动，将添加扰动后的PRNU信息以乘法的方式注入到中间图像中，使得中的PRNU噪声与目标图像的PRNU相关性变小； S5：在整个训练过程中，使用迭代优化框架，根据我们设计的损失函数，不断地调整参数的值，从而得到与目标图像视觉质量更接近且去除了PRNU的图像 所述多尺度动态曼巴U型网络包括编码器-解码器结构； 所述编码器包括初始卷积层、分层混合设计的下采样模块以及末端的EMA注意力机制；下采样模块分为4层，前两层为基于多尺度自适应卷积的残差块，后两层为基于曼巴架构和特征自适应注意力机制的残差块； S21：对于输入的特征图，R代表特征图的数值类型，C代表通道数，H代表特征图的高度，W代表特征图的宽度，首先会输入到初始卷积层-全维度动态卷积层中，该初始卷积层不仅要自适应的提取特征，还需要调整输入特征图的通道数，与整个网络适配维度； S22：随后将调整好的特征图输入到下采样模块中，第一层不进行下采样，仅提取特征并使用残差连接，后三层每次分别进行一次下采样，整个下采样流程的过程表示为： 1； 其中：为输出的特征图； 表示该层有4个基于曼巴架构和特征自适应注意力机制的残差块，但只有第一个基于曼巴架构和特征自适应注意力机制的残差块进行下采样； 表示该层有2个基于曼巴架构和特征自适应注意力机制的残差块，但只有第一个基于曼巴架构和特征自适应注意力机制的残差块进行下采样； 表示该层有2个基于多尺度自适应卷积的残差块，但只有第一个基于多尺度自适应卷积的残差块进行下采样； 表示该层仅有1个基于多尺度自适应卷积的残差块，但不进行下采样，仅提取特征并使用残差连接； S23：注意力机制通过分组处理特征图，并在不同尺度上进行特征提取和融合，使得模型能够同时关注到不同尺度的特征信息。

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齐鲁工业大学(山东省科学院)，其通讯地址为：250300 山东省济南市长清区大学路3501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。