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！

龙图腾网获悉东莞理工学院申请的专利一种基于残差扩散模型的无人船动态光照校正方法及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：CN120612261B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202510647995.9，技术领域涉及：G06T5/80；该发明授权一种基于残差扩散模型的无人船动态光照校正方法及系统是由任斌;王治槐;何春红设计研发完成，并于2025-05-19向国家知识产权局提交的专利申请。

本一种基于残差扩散模型的无人船动态光照校正方法及系统在说明书摘要公布了：本发明的一种基于残差扩散模型的无人船动态光照校正方法及系统，其包括：第一：一种基于残差扩散模型的无人船动态光照校正方法，其包括：S1：获取无人船航行图像及其光照条件数据；S2：利用光照感知模块提取光照特性；S3：基于残差扩散模型进行光照校正，具体包括如下两个处理步骤：正向扩散过程：模拟光照干扰的动态分布；逆向扩散过程：逐步去除光照干扰，生成校正图像；S4：输出校正图像，用于无人船的目标识别与路径规划；第二：一种基于残差扩散模型的无人船动态光照校正系统，包括：数据采集模块；光照感知模块；残差扩散光照校正模块；输出与应用模块；本发明优点在于：通过引入光照感知模块和残差扩散校正模型，提升清晰度和细节可见性。

本发明授权一种基于残差扩散模型的无人船动态光照校正方法及系统在权利要求书中公布了：1.一种基于残差扩散模型的无人船动态光照校正方法，其特征在于，其包括以下步骤： S1：获取无人船航行图像及其光照条件数据； S2：利用光照感知模块提取光照特性； S3：基于残差扩散模型进行光照校正，具体包括如下两个处理步骤： 正向扩散过程：模拟光照干扰的动态分布； 逆向扩散过程：逐步去除光照干扰，生成校正图像； S4：输出校正图像，用于无人船的目标识别与路径规划； 所述S2包括以下子步骤： S21.多任务深度学习模型的构建与训练：构建多任务深度学习模型，其中包含光照强度提取、阴影区域检测和反射区域识别的多个任务分支； S22.光照强度提取：提取图像中光照的强弱分布，生成亮度图以反映整体光照情况； S23.阴影区域检测：利用多任务深度学习模型的阴影检测任务分支；识别图像中的阴影区域，提取阴影的边界、形状及覆盖范围； S24.反射区域识别：通过多任务深度学习模型的反射区域识别任务分支，定位图像中的高反射区域，并区分反射区域与非反射区域； S25.将多任务深度学习模型输出的光照强度、阴影分布和反射区域特性进行整合，生成光照特性描述，为后续光照校正提供输入； 在步骤S3中，所述残差扩散模型中通过添加光照条件对光照干扰进行建模和校正，其中，正向扩散过程具体处理步骤为：在图像中添加噪声时，将光照条件作为条件输入，结合动态光照条件影响噪声的分布，噪声生成公式为： 其中，xt:目标图像或当前时刻的图像；xt-1：前一时刻的图像，作为当前图像的基础；l：光照条件，调整图像的光照影响；Xres：残差，目标图像与退化图像的差异；βt：扩散系数，控制噪声和残差的强度；I：单位矩阵，表示噪声的协方差；Nμ,σ2：高斯分布，用于建模当前图像的概率分布，其中均值方差σ2＝βt·I； 在步骤S3中，所述残差扩散模型中通过添加光照条件对光照干扰进行建模和校正，其中，逆向扩散过程具体处理步骤为：逆向扩散通过逐步去除噪声来恢复目标图像，残差在此过程中用于引导去噪方向，加速并优化图像恢复，逆向扩散公式： xt-1＝xt-∈θxt,t,l+λ·Xres 其中，xt：当前时间步t的图像状态；xt-1：时间步t-1的图像状态；∈θxt,t,l：条件去噪网络，预测噪声；λ：权重，控制残差修正的强度；Xres：残差，目标图像与退化图像的差异。

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东莞理工学院，其通讯地址为：523808 广东省东莞市松山湖科技产业园区大学路1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。