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！

龙图腾网获悉大连海事大学申请的专利一种基于无监督扩散模型的水下图像增强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：CN119090744B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202411144502.1，技术领域涉及：G06T5/60；该发明授权一种基于无监督扩散模型的水下图像增强方法是由付先平;李圆圆;郝书媛;米泽田;王辉兵;张军设计研发完成，并于2024-08-20向国家知识产权局提交的专利申请。

本一种基于无监督扩散模型的水下图像增强方法在说明书摘要公布了：本发明公开了一种基于无监督扩散模型的水下图像增强方法，包括：获取非成对的水下图像训练集；将待处理的水下图像输入训练好的基于无监督对比学习的扩散模型，所述扩散模型包括基于对抗性对比学习的预增强网络和基于离散小波变换的条件去噪扩散概率模型，预增强网络包括一个生成器和一个判别器，条件去噪扩散概率模型包括K次离散小波变换过程、低频子带扩散过程和高频子带增强模块；获取基于小波变换的条件去噪扩散概率模型的输出作为增强后的水下图像。本发明通过将生成对抗网络和扩散模型相结合，能够在没有参考图像的真实水下场景进行训练，有效缓解真实水下图像中存在的色偏、对比度低等问题，达到与有监督训练相媲美的增强效果。

本发明授权一种基于无监督扩散模型的水下图像增强方法在权利要求书中公布了：1.一种基于无监督扩散模型的水下图像增强方法，其特征在于，包括以下步骤： 步骤1：获取水下图像训练集，所述水下图像训练集包括水下降质图像以及非成对的水下清晰图像； 步骤2：构建基于对抗性对比学习的预增强网络，所述基于对抗性对比学习的预增强网络用于将降质水下图像域转换到清晰水下图像域；所述基于对抗性对比学习的预增强网络包括一个生成器和一个判别器，所述生成器一方面用于对水下降质图像进行处理生成预增强结果，另一方面用于对水下清晰图像进行处理生成一致性结果；所述判别器用于判定给定的图像是真实的清晰图像还是生成器产生的伪清晰图像； 步骤3：使用水下图像训练集训练基于对抗性对比学习的预增强网络； 步骤4：构建基于小波变换的条件去噪扩散概率模型，所述基于小波变换的条件去噪扩散概率模型的输入数据为降质水下图像和预增强的水下图像；所述基于小波变换的条件去噪扩散概率模型被设置为执行以下步骤： 首先，对降质水下图像和预增强的水下图像分别进行K次二维离散小波变换，获取小波域的低频子带和高频子带， 其次，对小波域的低频子带进行扩散处理，所述扩散处理包括前向扩散过程和逆向扩散过程，所述前向扩散过程被设置为向真实数据样本逐步添加高斯噪声直至变成随机噪声的马尔科夫链，所述逆向扩散过程被设置为对随机噪声逐步去噪直至生成一个真实样本， 同时，通过高频增强模块对第K次小波变换后的高频子带进行细节增强处理，所述高频增强模块通过深度可分离卷积操作提取高频子带的特征，计算特征间的交叉注意力并进行串联得到互补特征，将子带的特征图进行空洞卷积从而进行更好的细节增强，分别对细节增强后的特征图进行深度可分离卷积操作，获得重建高频子带， 最后，对小波域的处理结果进行K次二维逆离散小波变换生成水下图像增强结果； 步骤5：利用水下图像训练集中的降质水下图像以及基于对抗性对比学习的预增强网络输出的预增强图像，训练基于小波变换的条件去噪扩散概率模型； 步骤6：将待处理的真实水下图像输入训练后的基于对抗性对比学习的预增强网络，获取预增强图像，再将预增强图像输入训练后的基于小波变换的条件去噪扩散概率模型，从而获取最终的水下增强图像。

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大连海事大学，其通讯地址为：116026 辽宁省大连市甘井子区凌水街道凌海路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。