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！

龙图腾网获悉北京航空航天大学申请的专利极端环境退化图像仿真生成方法及装置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：CN120707682B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202510843055.7，技术领域涉及：G06T11/60；该发明授权极端环境退化图像仿真生成方法及装置是由李甲;王文状;赵一凡;赵沁平设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本极端环境退化图像仿真生成方法及装置在说明书摘要公布了：本公开的实施例公开了极端环境退化图像仿真生成方法及装置。该方法的一具体实施方式包括：将退化图像输入扩散自编码器得到潜在图像特征向量；生成前景先验视觉特征向量集和背景先验视觉特征向量；将前景先验视觉特征向量集和背景先验视觉特征向量输入双端原型重采样模型，得到前景视觉感知标记特征向量集和背景视觉感知标记特征向量；生成上下文解耦特征向量集；将上下文解耦特征向量集输入上下文拓扑关系协调模型后输入动态语义关系聚合模型，得到上下文语义特征向量；对上下文语义特征向量和上下文解耦特征向量集进行加权融合后进行解码处理，得到目标退化图像。该实施方式可以提高极端退化场景下的图像的质量。

本发明授权极端环境退化图像仿真生成方法及装置在权利要求书中公布了：1.一种极端环境退化图像仿真生成方法，包括： 获取极端环境下的退化图像、文本提示信息和物体几何布局信息； 将所述退化图像输入至扩散变分自编码器，得到潜在图像特征向量； 根据所述文本提示信息和所述物体几何布局信息，生成前景先验视觉特征向量集和背景先验视觉特征向量； 将所述前景先验视觉特征向量集和所述背景先验视觉特征向量输入至双端原型重采样模型，得到前景视觉感知标记特征向量集和背景视觉感知标记特征向量； 根据所述潜在图像特征向量、所述物体几何布局信息、所述前景视觉感知标记特征向量集、所述文本提示信息、所述背景视觉感知标记特征向量，生成上下文解耦特征向量集； 将所述上下文解耦特征向量集输入至上下文拓扑关系协调模型，得到上下文拓扑关系校正特征向量集； 将所述上下文拓扑关系校正特征向量集输入至动态语义关系聚合模型，得到上下文语义特征向量； 对所述上下文语义特征向量和所述上下文解耦特征向量集进行加权融合处理，得到退化视觉特征向量； 对所述退化视觉特征向量进行解码处理，得到目标退化图像； 其中，所述双端原型重采样模型包括：前景原型重采样模型和背景原型重采样模型；以及 所述将所述前景先验视觉特征向量集和所述背景先验视觉特征向量输入至双端原型重采样模型，得到前景视觉感知标记特征向量集和背景视觉感知标记特征向量，包括： 获取所述前景先验视觉特征向量集对应的前景可学习查询标记，所述背景先验视觉特征向量对应的背景可学习查询标记； 对所述前景先验视觉特征向量集进行线性变换处理，得到前景先验键向量集和前景先验值向量集； 将所述前景可学习查询标记、所述前景先验键向量集和所述前景先验值向量集输入至所述前景原型重采样模型，得到前景视觉感知标记特征向量集，其中，所述前景原型重采样模型包括：多个交叉注意力层和多个前馈神经网络； 对所述背景先验视觉特征向量进行线性变换处理，得到背景先验键向量和背景先验值向量； 将所述背景可学习查询标记、所述背景先验键向量和所述背景先验值向量输入至所述背景原型重采样模型，得到背景视觉感知标记特征向量。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。