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！

龙图腾网获悉南昌大学申请的专利三维全息图像重建方法、系统、设备及存储介质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：CN120580368B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202511086768.X，技术领域涉及：G06T17/00；该发明授权三维全息图像重建方法、系统、设备及存储介质是由宋贤林;刘国林;董嘉庆;刘铭浩;夏子谆;刘且根设计研发完成，并于2025-08-05向国家知识产权局提交的专利申请。

本三维全息图像重建方法、系统、设备及存储介质在说明书摘要公布了：本申请公开了一种三维全息图像重建方法、系统、设备及存储介质，属于光学显示与人工智能领域；包括：获取数据集，构建三维全息重建网络模型，以根据数据集对三维全息重建网络模型进行训练和测试；获取目标场景的目标深度图和目标强度图，将目标强度图和目标深度图拼接成目标张量图；根据三维全息重建网络模型对单元目标张量图进行处理，得到单元目标场景的三维全息图；根据预设的光学三维重建装置对单元目标三维全息图进行处理，得到单元目标场景的三维重建图像；通过三维全息重建网络模型中改进U‑net子网络和改进全卷积残差子网络对张量图进行处理，从而可以高速的、准确的得到三维全息图像。

本发明授权三维全息图像重建方法、系统、设备及存储介质在权利要求书中公布了：1.一种三维全息图像重建方法，其特征在于，所述方法包括： 获取多个不同场景的深度图和强度图，并将每一场景对应的深度图和强度图进行拼接，得到每一场景的张量图，以根据多个所述张量图构建数据集； 构建三维全息重建网络模型，所述三维全息重建网络模型包括改进U‑net子网络、角谱算法和改进全卷积残差子网络； 根据所述数据集中的一部分数据对所述三维全息重建网络模型进行训练，另一部分数据对训练后的所述三维全息重建网络模型进行测试； 获取目标场景的目标深度图和目标强度图，将所述目标强度图和所述目标深度图拼接成目标张量图； 根据测试合格后的所述三维全息重建网络模型对所述目标张量图进行处理，得到所述目标场景的目标三维全息图； 根据预设的光学三维重建装置对所述目标的三维全息图进行处理，得到所述目标场景的三维重建图像； 所述三维全息重建网络模型对所述目标张量图进行处理，得到所述目标场景的目标三维全息图，具体为： 根据所述改进U‑net子网络对所述目标张量图进行处理，得到目标相位振幅特征； 根据所述角谱算法对所述目标相位振幅特征进行处理，得到全息相位振幅特征； 所述改进U‑net子网络为四层结构，包括四个通道依次增加、结构相同的下采样单元，以及与所述下采样单元通道数一一对应的四个结构相同的上采样单元；前三个所述下采样单元的输出分别与后三个所述上采样单元的输入跳跃连接； 所述改进全卷积残差子网络包括多个相同结构的第一卷积单元和一个第二卷积单元； 所述全息相位振幅特征为第一个所述第一卷积单元的输入，并且所述全息相位振幅特征跳跃连接至所述第二卷积单元；所述第一卷积单元对输入第一卷积单元的第一输入特征通过连续两个二维卷积、批归一化和激活处理，并将最后激活得到的特征与第一输入特征残差连接，得到第一卷积单元的第一输出特征； 所述第二卷积单元数据处理的过程，具体为： 根据第二卷积层对第二卷积单元的第二输入特征进行3×3二维卷积处理，得到第七卷积特征； 将所述第七卷积特征与所述目标相位振幅特征进行残差连接，得到第一残差特征； 根据所述第二卷积层对所述第一残差特征进行3×3二维卷积处理，得到第八卷积特征； 根据Tanh激活函数对所述第八卷积特征进行处理，得到所述目标三维全息图。

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南昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999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”。

以上内容由龙图腾AI智能生成。