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！

龙图腾网获悉中国科学技术大学先进技术研究院申请的专利图像全局保幅去噪和补全模型构建方法、设备及存储介质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：CN116309166B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202310283709.6，技术领域涉及：G06T5/70；该发明授权图像全局保幅去噪和补全模型构建方法、设备及存储介质是由康宇;李传玲;张文婷;李鲲;吕文君设计研发完成，并于2023-03-20向国家知识产权局提交的专利申请。

本图像全局保幅去噪和补全模型构建方法、设备及存储介质在说明书摘要公布了：本申请公开了图像全局保幅去噪和补全模型构建方法、设备及存储介质，包括：获取由原始样本图像和对应的含噪缺失图像组成的二维图像对；根据所述二维图像对和目标损失函数，迭代训练预设两级多尺度模型的初级图像重构模型，得到模型重构参数和模型重构图像，其中，所述目标损失函数由图像重构模型损失函数和图像分割模型损失函数组成；根据所述模型重构图像，对所述二维图像对进行更新，得到目标图像对；根据所述模型重构参数和所述目标损失函数和所述目标图像对，迭代训练所述预设两级多尺度模型的次级图像分割模型和所述初级图像重构模型，得到目标图像解释模型。本申请解决了去噪补全后的图像的可解释性差的技术问题。

本发明授权图像全局保幅去噪和补全模型构建方法、设备及存储介质在权利要求书中公布了：1.一种图像全局保幅去噪和补全模型构建方法，其特征在于，所述图像全局保幅去噪和补全模型构建方法包括： 预设两级多尺度模型包括次级图像分割模型和初级图像重构模型； 获取由原始样本图像和对应的含噪缺失图像组成的二维图像对； 根据所述二维图像对和目标损失函数，迭代训练预设两级多尺度模型的初级图像重构模型，得到模型重构参数和模型重构图像，其中，所述目标损失函数由初级图像重构模型损失函数和次级图像分割模型损失函数组成，其中，所述图像重构模型损失函数如下： 其中，为所述图像重构模型损失函数，为预设图像重构模型损失，，为采样阶数，其中，所述预设图像重构模型损失如下： 其中，为1范数；表示预设图像重构过程参数；是模型重构图像，为所述含噪缺失图像，表示用于构造缺失图像样本的掩膜算子；所述图像相似度指标为结构相似性损失，所述结构相似性损失如下： 其中，D为所述原始样本图像，为所述原始样本图像和所述模型重构图像之间的亮度测量值，为所述原始样本图像和所述模型重构图像之间的振幅测量值，为所述原始样本图像和所述模型重构图像之间的对比度测量值， 其中，分别是所述原始样本图像和所述模型重构图像的平均值，,分别是所述原始样本图像和所述模型重构图像的标准差，是所述原始样本图像和所述模型重构图像之间的协方差，均为常数，之间的关联关系为：，其中，所述目标损失函数如下： 其中，为模型损失函数权重系数，为图像分割模型损失函数，其中，所述图像分割模型损失函数如下： 其中，为所述初级图像重构模型第层卷积层上特征图和内积的输出，表示卷积层的特征通道数； 根据所述模型重构图像，对所述二维图像对进行更新，得到目标图像对； 根据所述模型重构参数和所述目标损失函数和所述目标图像对，迭代训练所述预设两级多尺度模型的次级图像分割模型和所述初级图像重构模型，得到目标图像解释模型； 其中，所述根据所述模型重构参数和所述目标损失函数和所述目标图像对，迭代训练所述预设两级多尺度模型的次级图像分割模型和所述初级图像重构模型，得到目标图像解释模型的步骤包括： 基于所述图像重构模型损失函数和所述模型重构图像，通过训练所述初级图像重构模型，得到重构过程参数和重构过程图像； 通过所述重构过程参数更新所述次级图像分割模型，得到待训练图像分割模型； 基于所述原始样本图像和所述重构过程图像和所述图像分割模型损失函数，通过训练所述待训练图像分割模型，更新所述重构过程参数和所述重构过程图像和所述次级图像分割模型的模型分割参数； 返回执行步骤：根据所述模型重构图像，对所述二维图像对进行更新，得到目标图像对，直至所述目标损失函数收敛，得到所述目标图像解释模型； 目标图像解释模型通过采用多轮迭代训练方式迭代训练预设两级多尺度模型而成，能够对输入图像进行全局保幅去噪补全。

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中国科学技术大学先进技术研究院，其通讯地址为：230031 安徽省合肥市高新区望江西路5089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。