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！

龙图腾网获悉贵州理工学院;贵州理工智矿科技有限公司申请的专利基于解耦引导与重投影精炼的图像扩散增强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：CN121616477B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202610130502.9，技术领域涉及：G06T5/60；该发明授权基于解耦引导与重投影精炼的图像扩散增强方法及系统是由周波;司丞;屠金拨;丛地顺;王斌设计研发完成，并于2026-01-30向国家知识产权局提交的专利申请。

本基于解耦引导与重投影精炼的图像扩散增强方法及系统在说明书摘要公布了：本发明涉及图像增强处理技术领域，特别是涉及一种基于解耦引导与重投影精炼的图像扩散增强方法及系统。所述方法包括：通过双路解耦编码器提取出相互正交的物理退化潜变量与语义内容潜变量；构建包含双条件时序感知U‑Net网络的扩散逆过程生成模型，通过物理调制模块、分层交叉注意力机制，引入物理一致性损失，生成初步增强图像输入至重投影精炼网络中进行潜空间残差校正；构建语义引导的细节增益网络，生成细节增益图；通过小波变换与细节增益图进行细节增强，得到细节增强图像输出，并生成可视化分析报告。通过解耦引导确保图像生成过程受到严格约束，并通过重投影精炼校正偏差，增强图像扩散增强效果，提高图像质量。

本发明授权基于解耦引导与重投影精炼的图像扩散增强方法及系统在权利要求书中公布了：1.一种基于解耦引导与重投影精炼的图像扩散增强方法，其特征在于，所述方法包括： 采集井下含尘雾的RGB图像及对应的同步红外热成像图像，将所述RGB图像与红外热成像图像进行时间戳对齐与空间配准，并通过双路解耦编码器提取出相互正交的物理退化潜变量与语义内容潜变量，引入基于希尔伯特-施密特独立性范数的解耦正则化损失，确保所述物理退化潜变量与语义内容潜变量空间正交； 构建以双条件时序感知U-Net网络为去噪核心的扩散逆过程生成模型，将所述物理退化潜变量、语义内容潜变量分别输入至所述扩散逆过程生成模型的物理调制模块、分层交叉注意力机制中，包括：所述物理退化潜变量通过所述物理调制模块以仿射变换形式注入网络中间特征图；所述语义内容潜变量通过所述分层交叉注意力机制注入至扩散网络解码器的对应尺度层；在采样阶段引入物理一致性损失的梯度引导，生成初步增强图像；所述物理一致性损失定义为：；其中，表示在去噪步骤时的中间清晰图像预测结果；是大气散射物理模型函数，是参数透射率图，是大气光参数，和由解码器从中解码得到；是结构相似性损失；是L1或L2像素级损失；是平衡权重；是时间戳对齐与空间配准后的有雾图像； 将所述初步增强图像输入至编解码结构的重投影精炼网络中，通过残差校正网络进行潜空间残差校正，通过解码器输出精炼图像；所述重投影精炼网络的训练损失包括重构损失、感知损失、物理循环一致性损失，其中：；、均为损失权重系数；所述潜空间残差校正的操作定义为：；其中，表示初步增强图像，表示经编码器得到的精炼潜变量；是以物理退化潜变量、语义内容潜变量为输入，由参数优化的残差预测网络；表示校正后的潜变量；精炼图像通过解码器生成：； 构建语义引导的细节增益网络，并基于所述细节增益网络生成细节增益图；通过小波变换与所述细节增益图对所述精炼图像进行细节增强，得到细节增强图像，输出所述细节增强图像并生成可视化分析报告；所述细节增益图用于调整高频小波系数，更新规则为：；其中，为第个尺度的高频小波系数矩阵；是第个尺度的细节增益图，由所述细节增益网络针对第个尺度预测得到；表示逐元素相乘运算。

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贵州理工学院;贵州理工智矿科技有限公司，其通讯地址为：550025 贵州省贵阳市贵安新区党武镇博士路；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。