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！

龙图腾网获悉福州大学申请的专利一种基于ADM与动态去噪滤波模型的蕾丝纹理图像扩散生成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：CN119478089B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202411537873.6，技术领域涉及：G06T11/10；该发明授权一种基于ADM与动态去噪滤波模型的蕾丝纹理图像扩散生成方法是由钟尚平;邓坤;陈开志设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本一种基于ADM与动态去噪滤波模型的蕾丝纹理图像扩散生成方法在说明书摘要公布了：本发明提供一种基于ADM与动态去噪滤波模型的蕾丝纹理图像扩散生成方法，该模型将可学习的高斯模糊层与高通滤波技术结合，高斯模糊层旨在根据输入图像的不同，自适应地调整对图像的模糊力度，减少蕾丝纹理图像中的高频噪声。高通滤波技术则通过增强图像中主体图案的轮廓和边缘等关键区域，进而凸显图像的主要纹理特征。将该模块加入ADM网络的下采样层，改善了原始模型生成的蕾丝纹理图像中存在的过于平滑的现象，并且增强了图像的纹理层次感。

本发明授权一种基于ADM与动态去噪滤波模型的蕾丝纹理图像扩散生成方法在权利要求书中公布了：1.一种基于ADM与动态去噪滤波模型的蕾丝纹理图像扩散生成方法，其特征在于：包括以下步骤： 步骤S1：建立数据集：通过将蕾丝实物转化成为蕾丝纹理图像；首先进行图像筛选，将所有具有空白边缘的蕾丝纹理图像进行裁剪，保留有图案的部分；其次将所有处理好的图像进行空白填充，使所有蕾丝图像的长宽相等；最后将所有图像等比缩放到512*512像素大小，作为蕾丝生成模型的训练数据集使用； 步骤S2：构建基于动态去噪滤波的融合网络，基于Unet网络即编码器-解码器结构，编码器前四层由残差网络ResBlock以及动态去噪滤波模块Gx组成，后三层由自注意力模块AttentionBlock和残差网络组成，编码器提取输入图像的特征信息，得到特征图；动态去噪滤波模块则位于编码器中，对提取到特征图进行去噪以及对图像中的高频分量进行增强；解码器对应特征图还原过程，通过跳跃连接获得编码过程图像信息辅助该过程；自注意力机制分别位于编码器和解码器，获取图像的全局依赖关系，增强高频特征；该网络目标通过学习正向过程去噪并在反向过程生成干净的图像； 步骤S3：构建训练过程中的损失计算；训练过程为对加噪图像进行学习，并在最后输出预测的干净图像，得到预测的噪声量；网络的目标希望预测噪声值接近输入图像的噪声值，其损失函数为L2损失，对输入图像和网络去噪后的图像进行对比，如果预测噪声和真实噪声之间越接近，则损失越低，图像越接近，学习效果越好，最后反向过程生成的图像质量效果越好； 步骤S4：使用步骤S1中建立的蕾丝纹理图像数据集训练步骤S2构建的融合网络，训练过程中使用步骤S3中的损失计算函数； 步骤S5：训练完成后，使用训练得到的模型输入随机噪声图像生成干净的蕾丝纹理图像； 所述步骤S2的基于动态去噪滤波的融合网络包括： 1Unet总体网络: 由两部分组成，即编码器和解码器，各有七层，每层通过跳跃连接进行信息传递，呈对称结构；编码器每层包括两个残差网络以及接着一个下采样池化层；解码器每层包括一个上采样池化层，然后接着两个残差网络；残差网络提取特征图，下采样池化层对图像缩小到原来的二分之一，上采样池化层对图像进行2倍的放大操作；编码器用于提取图像特征，解码器通过编码器得到的特征图对图像进行还原；最后输出还原的图像结果，输出图像为6通道；自注意力机制对提取到的高级语义特征进行注意力计算，获取全局依赖关系，增强图像的高频特征；动态去噪滤波模块为主编码器的前四层，接在每个残差网络后面,增强纹理特征； 2动态去噪滤波模块: 包括可学习的高斯模糊层、卷积层和Sigmoid激活函数；可学习的高斯模糊层由两个序列化的3x3卷积和ReLU激活函数组成，每一层是一个二维分组卷积，卷积核大小为3x3，填充为1，输入和输出通道数一致；ReLU激活函数在每个卷积层后，以确保非线性表达能力；卷积层为一个3x3卷积；卷积操作是分组卷积，每个通道独立处理；通过对输入图像进行两次卷积并使用ReLU激活函数，生成模糊后的图像；Sigmoid激活函数用于对输出进行非线性映射，将输出值压缩到[0,1]范围，生成滤波权重。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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。