買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉山西大學;太原理工大學申請的專利一種針對微觀離散噪聲場景的深度估計方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115937286B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211605054.1，技術領域涉及：G06T7/50；該發明授權一種針對微觀離散噪聲場景的深度估計方法是由閆濤;劉鳳嫻設計研發完成，并于2022-12-14向國家知識產權局提交的專利申請。

本一種針對微觀離散噪聲場景的深度估計方法在說明書摘要公布了：本發明涉及一種針對微觀離散噪聲場景的深度估計方法。包括：步驟1，微米級步進電機采集微觀離散噪聲場景的多景深圖像序列；步驟2，采用多方向拉普拉斯算子與圖像序列進行卷積操作得到多個聚焦體積結果；步驟3，通過聚焦體積結果最大值所在位置得到多個初始深度圖；步驟4，從統計學數據穩定性視角提出的約束條件對初始深度圖進行篩選；步驟5，對篩選后的深度圖進行融合；步驟6，聯合圖像序列與融合后的深度圖得到融合圖像；步驟7，融合后的深度圖與融合圖像通過加權中值濾波得到微觀場景最終的深度圖。本發明提出的方法可對微觀離散噪聲場景的深度信息進行準確估計。

本發明授權一種針對微觀離散噪聲場景的深度估計方法在權利要求書中公布了：1.一種針對微觀離散噪聲場景的深度估計方法，其特征包括以下步驟： 步驟1，通過微米級步進電機采集微觀離散噪聲場景的多景深圖像序列In,1≤n≤N，其中n為圖像序列下標，N為圖像序列總數； 步驟2，將步驟1得到的圖像序列In,1≤n≤N與C個方向拉普拉斯算子CDMLc,1≤c≤C根據式1進行卷積操作得到C組圖像序列的聚焦體積結果 其中c為方向拉普拉斯算子下標，C為算子總數，為卷積運算符，方向拉普拉斯算子CDMLc,1≤c≤C的表達式如式2所示， CDMLc＝Rxsinc-1θ+Rycosc-1θ,1≤c≤C2 其中sin·與cos·分別為正弦與余弦函數，θ為角度參數，Rx與Ry分別為水平拉普拉斯算子與垂直拉普拉斯算子，其表達式如式3所示， 其中像素坐標ψ,ζ為像素x,y的鄰域坐標，s為步長，Inψ,ζ為第n幅圖像In中ψ,ζ位置的灰度值； 步驟3，將步驟2得到的C組圖像序列的聚焦體積結果按照式4計算得到C幅初始深度圖Dc,1≤c≤C， 其中表示求解聚焦體積結果下標n的函數； 步驟4，對于步驟3得到的C幅初始深度圖Dc,1≤c≤C中每一幅深度圖Dk,1≤k≤C按照式5的數據穩定性約束條件進行選擇，將滿足條件的深度圖組合為R幅深度圖Di,1≤i≤R， 其中S2表示C幅初始深度圖Dc,1≤c≤C的方差，Dj,1≤j≤C為C幅初始深度圖中第j幅深度圖，Di,1≤i≤R為R幅選擇后初始深度圖中第i幅深度圖； 步驟5，將步驟4得到的R幅初始深度圖Di,1≤i≤R按照式6得到融合后的深度圖DF； 其中Di,1≤i≤R為R幅選擇后初始深度圖中第i幅深度圖； 步驟6，將步驟5得到的融合后的深度圖DF聯合步驟1中的圖像序列In,1≤n≤N按照式7得到對應的融合圖像F， 其中D2F·為深度圖映射為灰度圖函數； 步驟7，將步驟5得到的融合后的深度圖DF與步驟6得到的融合圖像F按照式8得到微觀離散噪聲場景最終的深度圖像D， D＝jointWMFDF,F8 其中jointWMF·表示加權中值濾波函數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人山西大學;太原理工大學，其通訊地址為：030006 山西省太原市小店區塢城路92號山西大學科技樓803；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。