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！

龍圖騰網獲悉長江大學申請的專利一種去除FIBSEM噪聲圖像中噪聲的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：CN119722503B 。

龍圖騰網通過國家知識產權局官網在2025-08-29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：202411607917.8，技術領域涉及：G06T5/70；該發明授權一種去除FIBSEM噪聲圖像中噪聲的方法是由聶昕;徐雯;周迎;孫傳瑞;侯玉龍設計研發完成，并于2024-11-12向國家知識產權局提交的專利申請。

本一種去除FIBSEM噪聲圖像中噪聲的方法在說明書摘要公布了：本發明提供了一種去除FIBSEM噪聲圖像中噪聲的方法，以DnCNN網絡模型為框架，通過搭建初始改進DnCNN網絡去噪模型和模型參數優化，得到改進DnCNN網絡去噪模型，利用改進DnCNN網絡去噪模型對FIBSEM噪聲圖像進行去噪，包括以下步驟：S1搭建初始改進DnCNN網絡去噪模型；S2模型參數優化：S2.1數據預處理；S2.2殘差學習訓練；S2.3模型測試；S3循環；S4去噪。本發明采用改進的DnCNN網絡模型，結合殘差學習和批歸一化技術，使得去噪過程更為穩定，能夠適應不同噪聲水平，針對FIBSEM圖像的噪聲去除，有效減少了因樣品表面形貌起伏和成分差異導致的噪聲和窗簾效應。

本發明授權一種去除FIBSEM噪聲圖像中噪聲的方法在權利要求書中公布了：1.一種去除FIBSEM噪聲圖像中噪聲的方法，其特征在于，以DnCNN網絡模型為框架，通過搭建初始改進DnCNN網絡去噪模型和模型參數優化，得到改進DnCNN網絡去噪模型，利用改進DnCNN網絡去噪模型對FIBSEM噪聲圖像進行去噪，去除FIBSEM噪聲圖像中噪聲的方法包括以下步驟： S1搭建初始改進DnCNN網絡去噪模型：初始改進DnCNN網絡去噪模型包括加載預處理噪聲圖像單元、輸入層，組合卷積層和輸出層，組合卷積層包括1個頭部卷積層、15個穩定增強型卷積層和1個尾部卷積層； 頭部卷積層參數如下：卷積核尺寸為3×3，步長為1，通道數為64； 尾部卷積層參數如下：卷積核尺寸為3×3，步長為1，通道數為64； 穩定增強型卷積層包括卷積操作單元、批量歸一化單元和修正線性單元，在修正線性單元采用ReLU激活函數，卷積操作單元的參數如下：卷積核尺寸為3×3，步長為1，通道數為64； S2模型參數優化：S2.1數據預處理：將利用FIBSEM系統獲取的含噪聲圖像進行人工去噪作業，得到無噪聲圖像集，將無噪聲圖像集采用train_test_split函數劃分為無噪聲訓練集和無噪聲測試集； S2.2殘差學習訓練：將無噪聲訓練集中的原始圖像經過隨機裁剪作業、幾何變換作業和添加噪聲作業后，得到人為噪聲圖像訓練集，利用人為噪聲圖像訓練集中的圖像和無噪聲訓練集中的原始圖像作為數據對，訓練初始改進DnCNN網絡去噪模型以進行參數優化；在訓練中，使用L1損失函數計算誤差，設置L1損失函數的權重為1； S2.3模型測試：將無噪聲測試集中的原始圖像添加設定的噪聲，構成人為測試樣本集，利用訓練后的初始改進DnCNN網絡去噪模型進行去噪作業，得到去噪后測試圖像集； 通過對去噪后測試圖像集中的圖像和無噪聲測試集中的原始圖像進行對比，采用峰值信噪比作為評價指標評估改進DnCNN網絡去噪模型的去噪效果； S3循環：重復步驟S2.2和步驟S2.3，直至去噪效果達到預期效果，得到改進DnCNN網絡去噪模型； S4去噪：將利用FIBSEM系統獲取的含噪聲目標圖像采用改進DnCNN網絡去噪模型進行去噪作業，得到目標圖像。

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長江大學，其通訊地址為：430100 湖北省武漢市蔡甸區大學路111號長江大學(武漢校區)；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”。