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！

龙图腾网获悉武汉大学申请的专利一种基于变分推断的盲泊松去噪深度学习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：CN115731134B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211503450.3，技术领域涉及：G06T5/70；该发明授权一种基于变分推断的盲泊松去噪深度学习方法是由田昕;梁浩;刘芮设计研发完成，并于2022-11-28向国家知识产权局提交的专利申请。

本一种基于变分推断的盲泊松去噪深度学习方法在说明书摘要公布了：本发明公开了一种基于变分推断的盲泊松去噪深度学习方法，首先利用基于泊松分布的变分推断和深度卷积网络对泊松噪声统计信息进行推断，通过基于Gamma分布的重采样技术采样得到最终的泊松信息。结合该泊松信息，所提出的去噪子网络能够有效地完成盲泊松去噪任务，并且去噪性能较为卓越。由于将变分推断与深度学习相结合，所提出的方法具有较强的可解释性和高效的去噪能力。因此，该方法可以实现不同情况下的泊松去噪任务。

本发明授权一种基于变分推断的盲泊松去噪深度学习方法在权利要求书中公布了：1.一种基于变分推断的盲泊松去噪深度学习方法，其特征在于，包括如下步骤： 步骤1，在变分推断框架下，基于泊松分布构建变分推断的目标函数； 步骤1的具体实现方式如下； 步骤1.1，记分别表示含泊松噪声的图像和干净的无噪声图像，泊松噪声的成像过程表示如下： 1 其中，Py|x是泊松噪声的退化模型，N是图像像素的总个数； 步骤1.2，使用变量表示隐变量，根据泊松分布的统计性质，对隐变量施加Gamma共轭先验： 2 其中，表示Gamma共轭先验，表示Gamma共轭先验的参数； 步骤1.3，在公式2的基础上，隐变量的变分后验形式表示如下： 3 其中，表示隐变量的变分后验，表示推理子网络的两个推理函数； 步骤1.4，在变分框架下，构造泊松分布的目标优化函数： 4 其中，表示Kullback-Leibler散度，表示变分后验分布，是真实后验分布，Q表示变分分布族，看作是一个变量，当与真实后验分布的KL散度最小时，使用来表示； 步骤2，对变分推断的目标函数求解，得到证据下界的具体形式； 步骤3，构造并使用推理子网络参数化变分分布，并完成变分推断，以获得最优解； 步骤4，通过基于Gamma的重参数化技术对变分推断的推理结果进行采样，得到泊松噪声统计信息，构造去噪子网络，结合变分泊松噪声统计信息对泊松噪声图像进行去噪，最终得到去噪后的结果； 步骤5，利用干净图像-泊松噪声图像对对推理子网络和去噪子网络进行训练，待损失函数稳定后，得到训练好的模型，利用训练好的模型网络参数和测试数据得到泊松去噪和盲去噪结果。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山街道八一路299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。