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！

龙图腾网获悉南京工业大学申请的专利一种感知驱动的扩散式医疗图像数字水印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：CN121458517B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610010437.6，技术领域涉及：G06T1/00；该发明授权一种感知驱动的扩散式医疗图像数字水印方法及系统是由王浩;张小瑞;王婷;姚旭婧;陆涛;魏楚瑶设计研发完成，并于2026-01-06向国家知识产权局提交的专利申请。

本一种感知驱动的扩散式医疗图像数字水印方法及系统在说明书摘要公布了：本发明公开了一种感知驱动的扩散式医疗图像数字水印方法及系统，包括：逐步对获取的原始医疗图像添加独立的高斯噪声获得医疗噪声图像集合；按照DDPM反演将医疗噪声图像集合输入至扩散模型获得综合水印添加图；将水印添加图和水印文本添加至所述医疗去噪图像获得医疗水印融合图像；利用噪声预测特征对医疗水印融合图像再次去噪获得医疗水印图像，根据医疗水印图像和原始医疗图像计算联合训练损失；根据联合训练损失对扩散模型的参数进行优化，重复迭代扩散模型的训练过程，直至达到训练终止条件输出最终医疗水印融合图像；本发明能够在医疗图像水印嵌入后更好保留细节，保护图像质量，提高鲁棒性。

本发明授权一种感知驱动的扩散式医疗图像数字水印方法及系统在权利要求书中公布了：1.一种感知驱动的扩散式医疗图像数字水印方法，其特征在于，包括： 逐步对获取的原始医疗图像添加独立的高斯噪声获得医疗噪声图像集合，具体包括： ； ； 公式中，为添加高斯噪声的时间步；为第1步到第步高斯噪声调度的累乘；为第步的高斯噪声调度；为第时间步输出的含噪声医疗图像；为原始医疗图像；为从标准高斯分布中随机采样得到的高斯噪声，且每个时间步的高斯噪声相互独立； 按照DDPM反演将医疗噪声图像集合输入至扩散模型；所述扩散模型包括骨干网络和策略网络；通过骨干网络对医疗噪声图像进行上采样获得医疗图像感知特征；将医疗图像感知特征输入至重建头获得噪声预测特征； 根据噪声预测特征对医疗噪声图像进行去噪获得医疗去噪图像，具体包括： ； ； ； ； ； 公式中，为添加高斯噪声时间步对应的去噪时间步；为从根据模型重建头预测的噪声不断去噪反推出的预测原始医疗图像；为重建头在反向第时间步的噪声预测特征；为反向第时间步需要注入噪声的标准差；为反向注入噪声的强度系数；为第1步到第步高斯噪声调度的累乘；为反向过程中的确定性部分；为反向第时间步需要注入噪声的方差；为反向注入的标准高斯噪声系数；为反向过程第t-1步重新计算得到的含噪声医疗图像； 基于医疗去噪图像构建语义注意系数，具体包括： 计算医疗去噪图像的梯度幅值和最大特征值，表达公式为： ； ； 公式中，为添加高斯噪声时间步对应的去噪时间步；为第时间步输出的含噪声医疗图像；为医疗去噪图像的梯度幅值；表示图像水平方向的梯度分量；表示图像水平方向的梯度分量的平方；表示图像垂直方向的梯度分量；表示图像垂直方向的梯度分量的平方；为医疗去噪图像的最大特征值；为最大特征值求解函数；为标准差为的高斯模糊核；为卷积运算；为图像水平方向的梯度分量和垂直方向的梯度分量的乘积； 根据医疗去噪图像的梯度幅值和最大特征值计算注意力掩膜，表达公式为： ； 公式中，为医疗去噪图像的注意力掩膜；为指数函数；为对应医疗去噪图像的梯度幅值的权重系数；为对应医疗去噪图像的最大特征值的权重系数； 对注意力掩膜进行归一化处理获得语义注意系数，表达公式为： 公式中，为添加高斯噪声时间步对应的去噪时间步；为第时间步输出的含噪声医疗图像；为归一化后的语义注意系数；为医疗去噪图像的注意力掩膜；为医疗去噪图像区域内所有像素的注意力掩膜总和； 将医疗图像感知特征和语义注意系数输入至嵌入头获得嵌入信息； 根据医疗去噪图像、原始医疗图像和嵌入信息构成状态空间并输入策略网络，并由策略网络输出水印嵌入决策和嵌入强度；由水印嵌入决策和嵌入强度构建综合水印添加图； 将水印添加图和水印文本添加至所述医疗去噪图像获得医疗水印融合图像；利用噪声预测特征对医疗水印融合图像再次去噪获得医疗水印图像，根据医疗水印图像和原始医疗图像计算联合训练损失；根据联合训练损失对扩散模型的参数进行优化，重复迭代扩散模型的训练过程，直至达到训练终止条件输出最终医疗水印融合图像。

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南京工业大学，其通讯地址为：211800 江苏省南京市浦口区浦珠南路30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。