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！

龙图腾网获悉长安大学;云南省交通科学研究院有限公司;云南云岭高速公路交通科技有限公司申请的专利基于小波变换和先验的扩散公路图像增强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：CN120410864B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202510347459.7，技术领域涉及：G06T5/00；该发明授权基于小波变换和先验的扩散公路图像增强方法是由张云;周洲;郭华;程鑫;孙守卫;周经美;张孟;闵海根;周林英设计研发完成，并于2025-03-24向国家知识产权局提交的专利申请。

本基于小波变换和先验的扩散公路图像增强方法在说明书摘要公布了：本发明公开了一种基于小波变换和先验的扩散公路图像增强方法：构建训练集；根据配置文件定义好的参数构建模型；将模型放到训练集上训练；根据损失函数对模型的输出值和真实值之间计算损失；将计算得到的损失进行反向传播，对模型的参数进行更新优化；直至预测性能达到预设值后停止训练；根据训练阶段保存的模型参数构建模型；将模型放到测试集上进行测试；将测试结果与真实图像进行量化指标计算。本发明将公路图像增强方法与小波变换、先验图和扩散模型相结合，在通过小波变换降低计算成本的同时，兼顾先验图中丰富的低频信息和扩散模型对高频信息的生成，使模型可有效解决低频偏色和高频纹理细节丢失的问题，得到优秀的视觉结果。

本发明授权基于小波变换和先验的扩散公路图像增强方法在权利要求书中公布了：1.一种基于小波变换和先验的扩散公路图像增强方法，其特征在于，具体包括如下步骤： 步骤A、选择训练数据，构建训练集； 步骤B、根据配置文件定义好的参数构建模型； 步骤C、利用训练集对模型进行训练,根据定义好的损失函数对模型的输出值和真实值之间计算损失，将计算得到的损失进行反向传播，并对模型的参数进行更新优化；直至预测性能达到预设值后停止训练，并将模型保存下来用于测试； 所述步骤C包括如下步骤： 步骤C1、随机从1,...,T里取一个时刻t用来训练，T=1000,随机两个服从标准正态分布N0,1的噪声和，用于扩散模型前向过程的加噪处理； 步骤C2、将公路图像经过小波变换，分成公路图像的低频子带和高频子带；将地面图像经过小波变换，分成地面图像的低频子带和高频子带； 步骤C3、对地面图像的低频子带进行加噪声操作，得到加了噪声的图像； 步骤C4、将公路图像的低频子带和公路图像对应的透射率先验图m1和加了噪声的图像拼接在一起，输入到神经网络里，指Unet神经网络； 神经网络的输出是预测出的噪声，和加的噪声做损失函数，更新网络的参数； 步骤C5、对地面图像的高频子带进行加噪声操作，得到加了噪声的图像； 步骤C6、将公路图像的高频子带和公路图像对应的透射率先验图m1和加了噪声的图像拼接在一起，输入到神经网络里，指Unet神经网络； 神经网络的输出的是预测出的噪声，和加的噪声做损失函数，更新网络的参数； 步骤C7、随机生成噪声图,，这两个噪声图服从标准正态分布N0,1，定义时间步i从T到1，T=1000，i是从1000取到1，当i循环到1时，将,两个变量定义为0;否则，将,定义为两个随机噪声，都服从标准正态分布N0,1； 步骤C8、对于每一个时间步i，通过以下公式得到： 通过以下公式得到： 其中，是常数，每一个时间步i都有一个对应的，是上一个时刻的图像，是是从到的阶乘，，是前向过程中的神经网络，是方差，，为常数； 步骤C9、循环执行去噪的操作，通过前一张图像得到，再通过得到，直到得到，得到同理，并返回降噪的结果、，将和地面图像的低频子带做损失函数，更新网络参数，并将和地面图像的高频子带做损失函数，更新网络参数； 步骤C10、将训练过程中训练好的模型的参数文件保存下来，用于测试； 步骤D、根据训练阶段保存的模型参数构建模型； 步骤E、将模型放到测试集上进行测试；将测试的结果与真实图像进行量化指标计算，通过量化指标来衡量模型的性能。

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长安大学;云南省交通科学研究院有限公司;云南云岭高速公路交通科技有限公司，其通讯地址为：710064 陕西省西安市雁塔区二环南路中段126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。