1. 技术简介

本技术提供了一种基于对比学习的分段式双重自适应真实图像去噪方法。该方法通过构建一个包含三个阶段的递进式网络模型，实现了对真实噪声图像的高效修复 。模型的核心特征包括：（1）分段式递进处理：将噪声图像按空间维度由局部到整体进行分段处理，各阶段通过监督块和上下文特征提取层实现特征增强与跨阶段融合。（2）双重自适应机制：在各阶段引入多选择卷积核块（SKBlock），采用跨通道软注意机制自适应地选择不同空间尺度的特征信息。（3）对比学习约束：在损失函数中引入对比学习损失，通过对正样本（清晰图像）、负样本（噪声图像）及目标样本在特征空间上的约束，提升去噪效果的真实性。（4）多损失联合优化：结合端到端优化损失、拉普拉斯边缘损失及对比学习损失，确保去噪图像在保留边缘细节的同时，获得极高的峰值信噪比。

2. 应用范围

本技术适用于对成像质量要求较高的多个领域：

移动终端影像：提升手机等移动设备在弱光或高感光度下拍摄照片的纯净度，解决真实环境中的复杂噪声问题。

安防监控：增强低照度环境下监控画面的清晰度，识别更多细节特征。

医疗成像：对医学X光、CT等图像进行预处理去噪，辅助医生进行精准诊断。

遥感与工业检测：修复受环境干扰的遥感图像或工业探伤图像，提高后期分析处理的准确率。

3. 知识产权情况

已获得国家专利授权；专利号：ZL 2022 1 0024531.9

4. 转让方式

技术许可、技术转让、技术入股。

5. 联系人及电话

辽宁师范大学科研处聂肖松，0411-82159891。