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！

龙图腾网获悉河南大学申请的专利基于数字散斑的复合材料构件多源噪声滤除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：CN115482892B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202211312627.1，技术领域涉及：G16C60/00；该发明授权基于数字散斑的复合材料构件多源噪声滤除方法是由肖启阳;黄澳飞;杨茂林;胡振涛;李军伟;贾林设计研发完成，并于2022-10-25向国家知识产权局提交的专利申请。

本基于数字散斑的复合材料构件多源噪声滤除方法在说明书摘要公布了：本发明提出了一种基于数字散斑的复合材料构件多源噪声滤除方法，用于解决采集的数字散斑图的测量灵敏度低、精度低的技术问题；其步骤为：首先，利用数字散斑光路分别采集一幅物体变形前后的数字散斑图，利用傅里叶变换提取数字散斑图的相位信息，获得复合材料构件缺陷图；其次，对复合材料构件缺陷图进行同态变换，将乘性噪声转换为加性噪声；然后利用压缩感知理论对加性噪声进行滤波，滤除复合材料构件缺陷图中的乘性噪声；最后，采用矩阵奇异值分解算法滤除复合材料构件缺陷图中的加性噪声，得到降噪后的构件缺陷图。本发明利用K‑SVD算法去噪能够很好的恢复原始图像的细节部分，并去除高斯白噪声，提高去噪图像的PSNR值。

本发明授权基于数字散斑的复合材料构件多源噪声滤除方法在权利要求书中公布了：1.一种基于数字散斑的复合材料构件多源噪声滤除方法，其特征在于，其步骤如下： 步骤一：利用数字散斑光路分别采集一幅物体变形前后的数字散斑图，利用傅里叶变换提取数字散斑图的相位信息，获得复合材料构件缺陷图； 步骤二：对复合材料构件缺陷图进行同态变换，将乘性噪声转换为加性噪声； 步骤三：利用压缩感知理论对加性噪声进行滤波，滤除复合材料构件缺陷图中的乘性噪声； 步骤三的实现方法为：将信号进行稀疏表示：信号x为一维有限长离散的实信号，x是N×1维的矢量，即x[n]∈RN,n＝1,2,3,…,N；在RN空间量的任何信号都可以用N×1维的基矢量来表示，即假设基元素之间是正交的，矢量{Ψi}作为N×N维矩阵Ψ＝{Ψ1|Ψ2|Ψ3…|ΨN}列，则信号x表示为： 其中，si是加权系数，为组成N×1维的矢量，x为时域或空间域，si在变换域里，如果信号x是k个基矢量的线性组合，那么信号x是k-稀疏的，即上式中系数si中有k个非零数，n-k个零； 利用K-SVD算法滤除噪声，得到去噪之后的图像：K-SVD算法在含噪图像y上训练字典D，含噪图像分解成大小为的子图存储在矢量y中，yi∈Rn；通过式可以恢复去噪子图，通过稀疏表示后，由下式可以得到 其中，表示分解图像块x的稀疏表示，T受ε和子图的标准差σ决定，‖a‖。表示统计a中非零元的个数，‖a‖2表示2范数； 式2可以转化为一个优化的函数，即： 其中，argamin{.}表示使目标函数达到极小值时自变量a取值的集合，y是由k张子图像为列构成的，即y＝{y1,y2,…,yn},在给定的训练字典D上的稀疏表示ai，即a＝{a1，a2，…ak}；μ表示惩罚因子；‖a‖0表示统计a中非零元的个数； K-SVD算法首先训练含噪子图y的字典，然后根据找的字典重构去噪后的图像x： 其中，表示去噪输出图像，λ是lagrange乘法因子；参数μp决定子图p的稀释性；Rp表示子图p的矩阵；X表示含噪图像，A表示M×N矩阵，秩为r； 在K-SVD算法中，首先需要定义初始字典，初始字典中的原子是离散余弦变换信号或原始图像中的子图，输出图像初始化为X＝Y，然后执行多次K-SVD算法中的迭代：稀疏编码和字典更新； 通过K-SVD算法得到训练字典，在已知字典D的情况下，求解每一张子图的稀疏表示，则去噪之后的图像可以通过解下边的式子得到： 这个二次项解形式为： 其中，为去噪之后的图像，I为单位阵； 步骤四：采用矩阵奇异值分解算法滤除复合材料构件缺陷图中的加性噪声，得到降噪后的构件缺陷图。

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河南大学，其通讯地址为：450046 河南省郑州市郑东新区明理路北段379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。