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！

龙图腾网获悉西安理工大学申请的专利一种基于深度学习的相位条纹图像散斑噪声抑制方法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：CN116309122B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202310110877.5，技术领域涉及：G06T5/70；该发明授权一种基于深度学习的相位条纹图像散斑噪声抑制方法是由刘芸;吴晓强;高嘉豪;焦明星;邢俊红;康琦设计研发完成，并于2023-02-13向国家知识产权局提交的专利申请。

本一种基于深度学习的相位条纹图像散斑噪声抑制方法在说明书摘要公布了：本发明公开了一种基于深度学习的相位条纹图像散斑噪声抑制方法，包括以下步骤：S1，收集相位条纹图像数据集；S2，对训练集数据样本添加噪声等级随机的散斑噪声；S3，对添加噪声的训练集数据进行预处理；S4，将预处理的样本送入非对称融合非局部块结构；S5，对经过S4处理得到的结果输入FFDNet网络进行噪声抑制；S6，将S5得到的去噪结果送入边缘提取模块；S7，搭建网络模型，训练网络；S8，对测试集数据样本按照S2添加不同噪声等级的散斑噪声；S9，将S8得到的测试集样本送入S7训练的网络模型。该深度学习方法在不改变网络参数情况下，能够抑制不同噪声等级的散斑噪声，同时保留了图像的边缘细节信息。

本发明授权一种基于深度学习的相位条纹图像散斑噪声抑制方法在权利要求书中公布了：1.一种基于深度学习的相位条纹图像散斑噪声抑制方法，其特征在于，包括以下步骤： 步骤S1，收集相位条纹图像数据集作为数据集样本，并对获得的数据集样本按照8:1:1的比例划分为训练集、验证集和测试集； 步骤S2，对经过步骤S1划分得到训练集添加不同等级的随机散斑噪声； 步骤S3，对经过步骤S2处理的训练集进行预处理； 步骤S4，将经过步骤S3预处理后的训练集输入非对称融合非局部块结构，将噪声图像的信息与全局信息相结合； 步骤S5，将经过步骤S4处理得到的结果输入到FFDNet网络； 步骤S6，将经过步骤S5得到的去噪结果输入边缘提取网络，提取相位条纹图像的边缘细节特征，将边缘细节特征反向传播到FFDNet网络中，使得网络保留更多的边缘细节特征； 步骤S7，搭建相位条纹图像的散斑噪声抑制网络模型，利用不同噪声等级的相位条纹图像训练网络； 步骤S8，对经过步骤S1划分得到的测试集按照步骤S2所述方法添加不同噪声等级的随机散斑噪声，并按照步骤S3所述方法进行归一化处理； 步骤S9，将步骤S8得到的测试集送入步骤S7训练得到的网络模型中，获得散斑噪声抑制结果； 所述步骤S4具体包括： 步骤S401，在FFDNet网络前端引入非对称融合非局部块结构，非对称融合非局部块用于统计全局信息，捕获图像上两个不同像素点间的联系，将图像中每个像素点位置的响应计算为除该像素点外所有位置特征的加权总和，并将响应值传递给FFDNet来增强网络的去噪效果； 步骤S402，非对称融合非局部块结构中加入了空间金字塔池化操作，提供足够的有关全局场景语义线索的特征统计信息，在减少计算量的同时，不会引起非局部块性能的下降。

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西安理工大学，其通讯地址为：710048 陕西省西安市金花南路5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”。