買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南京大學(xué)申請(qǐng)的專利一種非視域隱藏場(chǎng)景的重建方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115588074B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202110763292.4，技術(shù)領(lǐng)域涉及：G06T17/00；該發(fā)明授權(quán)一種非視域隱藏場(chǎng)景的重建方法是由胡雪梅;蔣博文;倪思琪;岳濤設(shè)計(jì)研發(fā)完成，并于2021-07-06向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種非視域隱藏場(chǎng)景的重建方法在說明書摘要公布了：本發(fā)明公開一種非視域隱藏場(chǎng)景的重建方法。其步驟如下：構(gòu)造隱藏場(chǎng)景深度圖和灰度圖數(shù)據(jù)集；根據(jù)中介面光場(chǎng)分布模型模擬出各深度圖和灰度圖所對(duì)應(yīng)的中介面仿真光子計(jì)數(shù)圖；構(gòu)建反向重建模型，并利用經(jīng)預(yù)處理后的仿真光子計(jì)數(shù)圖數(shù)據(jù)集完成模型訓(xùn)練；將測(cè)試集中的三維光子計(jì)數(shù)圖作為重建模型的輸入，輸出二值平面圖像和粗略的三維反向重建結(jié)果；對(duì)粗略的三維重建結(jié)果沿深度軸方向求最大值及最大值所對(duì)應(yīng)的下標(biāo)，并用所得的二值圖像過濾，分別得到所重建出的隱藏場(chǎng)景反射率二維投影圖和深度圖。本發(fā)明方法在不明顯降低重建效率的情況下，定量而準(zhǔn)確地重建出了隱藏場(chǎng)景的深度圖和反射率二維投影圖，重建圖像中物體邊緣清晰、表面平滑、具有較少的偽影。

本發(fā)明授權(quán)一種非視域隱藏場(chǎng)景的重建方法在權(quán)利要求書中公布了：1.一種非視域隱藏場(chǎng)景的重建方法，其特征在于，包括如下步驟： 步驟1，構(gòu)造隱藏場(chǎng)景數(shù)據(jù)集，數(shù)據(jù)集分為訓(xùn)練集和測(cè)試集兩部分； 步驟2，根據(jù)中介面光場(chǎng)分布模型仿真出各隱藏場(chǎng)景所對(duì)應(yīng)的中介面光場(chǎng)分布，得到仿真光子計(jì)數(shù)圖數(shù)據(jù)集，作為實(shí)際非視域成像系統(tǒng)所得三維光子計(jì)數(shù)測(cè)量結(jié)果的模擬； 步驟3，構(gòu)建反向重建模型，并利用經(jīng)預(yù)處理后的仿真光子計(jì)數(shù)測(cè)量結(jié)果數(shù)據(jù)集完成模型訓(xùn)練；反向重建模型是由光錐變換網(wǎng)絡(luò)LCT-Net和目標(biāo)檢測(cè)網(wǎng)絡(luò)Detect-Net兩部分組成的一個(gè)端到端的網(wǎng)絡(luò)，其中，光錐變換網(wǎng)絡(luò)LCT-Net對(duì)輸入的原始三維光子計(jì)數(shù)測(cè)量值輸出粗略的隱藏場(chǎng)景三維重建結(jié)果，目標(biāo)檢測(cè)網(wǎng)絡(luò)Detect-Net對(duì)光錐變換網(wǎng)絡(luò)LCT-Net輸出結(jié)果的反射率二維投影進(jìn)行進(jìn)一步的特征提取，輸出一幅二值平面圖像；其中，光錐變換網(wǎng)絡(luò)LCT-Net的計(jì)算步驟如下： ①根據(jù)當(dāng)前時(shí)刻t和光速c計(jì)算出步驟1數(shù)據(jù)集原始三維光子計(jì)數(shù)圖τ中各時(shí)刻下的測(cè)量結(jié)果所對(duì)應(yīng)的距離r，再由光信號(hào)能量按rk衰減的規(guī)律，校正原始光子計(jì)數(shù)測(cè)量結(jié)果的能量衰減，其中，k為能夠通過神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程動(dòng)態(tài)優(yōu)化的參數(shù)； ②對(duì)時(shí)間軸進(jìn)行重采樣，記為“Rt變換”，得到Rt[τ]； ③通過快速傅里葉變換F[·]將Rt[τ]變換到頻域，得到FRt[τ]； ④通過約束最小二乘法在頻域進(jìn)行解卷積，得到其中γ為能夠通過神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程動(dòng)態(tài)優(yōu)化的參數(shù)；H為某已知點(diǎn)擴(kuò)散函數(shù)的傅里葉變換，H*為H的共軛復(fù)數(shù)；約束最小二乘法的公式為： 式中，G為經(jīng)某點(diǎn)擴(kuò)散函數(shù)退化后圖像的傅里葉變換；為退化圖像估計(jì)的傅里葉變換；H為點(diǎn)擴(kuò)散函數(shù)的傅里葉變換；H*為H的共軛復(fù)數(shù)；γ為需要通過迭代調(diào)整到約束條件的參數(shù)；在二維解卷積問題中，P為如下拉普拉斯核的傅里葉變換： ⑤通過快速傅里葉逆變換F-1[·]，得到 ⑥對(duì)深度軸進(jìn)行重采樣，記為“Rz -1”，得到最終的隱藏場(chǎng)景物體反射率ρ的重建結(jié)果為： 步驟4，完成反向重建模型的訓(xùn)練后，將步驟1測(cè)試集中的三維光子計(jì)數(shù)圖作為步驟3所述反向重建模型的輸入，同時(shí)輸出粗略的三維反向重建結(jié)果和二值平面圖像； 步驟5，對(duì)步驟4得到的粗略三維反向重建結(jié)果沿深度軸求最大值及最大值所對(duì)應(yīng)的下標(biāo)，并用得到的二值平面圖像過濾，分別重建出隱藏場(chǎng)景反射率二維投影圖和深度圖。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人南京大學(xué)，其通訊地址為：210046 江蘇省南京市棲霞區(qū)仙林大道163號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。