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！

龙图腾网获悉浙江海之晨工业装备有限公司申请的专利一种用于汽车零部件表面质量检测的鲁棒性图像复原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：CN119887698B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202411965528.2，技术领域涉及：G06T7/00；该发明授权一种用于汽车零部件表面质量检测的鲁棒性图像复原方法是由李志文;管宝;姜康;臧治国;王洛福设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种用于汽车零部件表面质量检测的鲁棒性图像复原方法在说明书摘要公布了：本发明提供了一种用于汽车零部件表面质量检测的鲁棒性图像复原方法，通过采集汽车零部件表面的点云数据，并构建高维结构化表示，结合噪声分离数据模型和多维数据分解技术，实现目标数据与噪声的精准分离。本方法构建包含保真项、正则项和降噪项的优化模型，对复原数据与采集数据之间的误差进行优化，并通过特征提取模块进行数据初始化和特征增强，提高了复原数据的精度与几何一致性。采用迭代优化方法对模型求解，最终获得无噪声的复原点云数据。本发明能够在复杂工业环境下有效抑制噪声，提升复原精度和鲁棒性，为汽车零部件表面质量检测提供高效可靠的技术支持。

本发明授权一种用于汽车零部件表面质量检测的鲁棒性图像复原方法在权利要求书中公布了：1.一种用于汽车零部件表面质量检测的鲁棒性图像复原方法，其特征在于： 包括以下步骤： 采集包含三维几何信息的汽车零部件表面点云数据，并将所述汽车零部件表面点云数据构建为高维结构化表示； 所述点云数据包括目标数据与不同类型的噪声成分，基于所述点云数据建立噪声分离的数据模型； 采用多维数据分解方法对点云数据进行处理，通过噪声分离的数据模型实现对信号与噪声的分离； 构建包含保真项、正则项和降噪项的优化模型，对复原数据与采集数据之间的误差进行优化； 通过特征提取模块对数据进行初始化与特征增强；采用迭代优化方法对所述优化模型进行求解，最终获得无噪声的复原点云数据； 其中，通过优化模型复原点云图像，所述优化模型为： 其中，为保真项，gX为非局部降噪函数；参数Y表示采集到的点云数据，是包含噪声的原始数据，作为模型的输入；参数X是复原后的点云数据；稀疏噪声S表示采集数据中的非结构性噪声；张量分解结果ΦG是点云数据的结构化表达；参数β1控制复原数据X和张量分解结果ΦG之间的匹配程度，参数β2用于调整稀疏噪声S的正则化强度，而参数μ则影响非局部降噪函数gX在降噪与细节保留中的平衡； 使用交替方向乘子法ADMM对所述优化模型进行分步求解，包括以下步骤： 求解G1的子问题：优化目标为其中和为核心张量的模态展开； 求解G2的子问题：更新 求解G3的子问题：更新 求解S的子问题：优化目标为并更新St+1＝shrinkY-ΦGt,μ； 求解X的子问题：更新 求解θ的子问题：更新 其中：G1,G2,G3是三阶核心张量；通过张量环分解表达点云数据的局部特征及几何结构； 张量G1的第二模态展开和G2、G3的多模态展开结果； fold2：模态收缩操作； 张量X在不同模态下的展开形式；分别表示X的第一模态、第二模态和第三模态展开后的矩阵； t+1表示迭代的更新； Gt+1：在第t+1次迭代中更新的张量分解结果； St+1：在第t+1次迭代中优化后的稀疏噪声； Xt+1：在第t+1次迭代中计算的复原张量； Y：采集的点云数据； ΦGt：当前迭代的张量分解结果； Frobenius范数的平方； S：稀疏噪声； shrinkx,μ：软阈值函数； μ：软阈值函数的阈值参数； β1,β2：优化模型的惩罚参数； gX：非局部降噪函数； fθX0：通过深度网络提取的特征张量； θ：深度网络的权重参数； X0：初始输入张量。

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浙江海之晨工业装备有限公司，其通讯地址为：323999 浙江省丽水市青田县瓯南街道百悦城5幢1503-45室；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”。