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！

龙图腾网获悉湖南大学申请的专利一种结合无噪图像和噪声图像的联合去噪训练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：CN119831886B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202411903607.0，技术领域涉及：G06T5/70；该发明授权一种结合无噪图像和噪声图像的联合去噪训练方法是由陈诗铭;蔡敏捷设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本一种结合无噪图像和噪声图像的联合去噪训练方法在说明书摘要公布了：本发明公开了一种结合无噪图像和噪声图像的联合去噪训练方法，S1.图像去噪模型的训练：使用无噪图像和对应的噪声图像作为训练数据对图像去噪模型进行训练；S2.数据增强：对输入图像进行多种增强操作，增强操作包括旋转、翻转、裁剪、颜色变化中的至少一种；S3.在模型训练过程中，使用混合损失函数对网络进行优化；S4.在训练过程中实施动态优化策略：根据当前的去噪效果，动态调整模型的学习率，以进一步提高模型的收敛速度和去噪性能；S5.模型优化过程中采用自适应优化器对参数进行更新。基于本发明提出的方法，能够进一步提高了图像去噪模型的通用去噪性能。

本发明授权一种结合无噪图像和噪声图像的联合去噪训练方法在权利要求书中公布了：1.一种结合无噪图像和噪声图像的联合去噪训练方法，其特征在于，包括以下步骤： S1.图像去噪模型的训练： 使用无噪图像和对应的噪声图像作为训练数据对图像去噪模型进行训练； S2.数据增强： 对输入图像进行多种增强操作，增强操作包括旋转、翻转、裁剪、颜色变化中的至少一种，并将增强后的输入图像再输入到图像去噪模型进行训练，增加图像去噪模型的鲁棒性和泛化能力； S3.在模型训练过程中，使用混合损失函数对网络进行优化； 该混合损失函数由两部分组成：一是由去噪后的噪声图像与真实干净图像的像素级损失构成的第一损失函数；二是由去噪后的无噪图像和真实干净图像的像素级损失构成的第二损失函数； S4.在训练过程中实施动态优化策略： 根据当前的去噪效果，动态调整模型的学习率，以进一步提高模型的收敛速度和去噪性能； S5.模型优化过程中采用自适应优化器对参数进行更新： 每次训练迭代后，通过验证集性能指标监控模型性能；当验证集性能指标在多次迭代后趋于稳定且不再显著提升时，或者达到预设的训练轮次，训练过程终止。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路麓山门；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。