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！

龙图腾网获悉南京航空航天大学;南京航空航天大学苏州研究院申请的专利叠层结构图像的像差校正与像质增强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：CN120543438B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202511028307.7，技术领域涉及：G06T5/80；该发明授权叠层结构图像的像差校正与像质增强方法是由孟凯;王昊昊;王凯;张航瑛;楼佩煌;钱晓明;武星;邹扬扬设计研发完成，并于2025-07-25向国家知识产权局提交的专利申请。

本叠层结构图像的像差校正与像质增强方法在说明书摘要公布了：本发明公开一种叠层结构图像的像差校正与像质增强方法，包括：根据像差先验集合，对待测标记图执行反卷积预处理，得到无像差图像；同时结合标签数据，得到数据集；根据数据集基于浅层卷积进行特征提取，利用激活函数操作生成全局特征信息；采用频域特征与空域特征融合的策略增强特征数据；增强后的特征图通过像差校正模块实现初步像差复原；校正后的特征图经双通道注意力机制处理，将自注意力机制的全局上下文建模能力与位置注意力单元的空间感知特性并行融合；通过包含亚像素卷积层的超分辨率重建模块实现图像分辨率的提升。采用本发明的技术方案，提高套刻误差检测的准确性。

本发明授权叠层结构图像的像差校正与像质增强方法在权利要求书中公布了：1.一种叠层结构图像的像差校正与像质增强方法，其特征在于，包括： 步骤S1、获取像差先验集合； 步骤S2、根据像差先验集合，对待测标记图执行反卷积预处理，得到无像差图像；同时结合标签数据，得到数据集； 步骤S3、以数据集为输入，基于浅层卷积进行特征提取，利用激活函数操作生成全局特征信息，同时引入注意力环节； 步骤S4、对经卷积特征提取后的全局特征信息采用频域特征与空域特征融合的策略以实现特征增强； 步骤S5、通过设计双预测头轴向位置子网络来实现轴向深度的位置预测； 步骤S6、利用像差先验集合，通过反卷积算法实现像差校正； 步骤S7、采用自注意力机制与坐标注意力机制并行的策略，同时引入全局特征信息，将输出维度拼接，实现局部特征学习； 步骤S8、通过包含亚像素卷积层的超分辨率重建模块实现图像分辨率提升； 步骤S1包括： 步骤1.1：轴向扫描获取图像：以标准测试靶为对象，沿光轴方向进行从离焦至对焦再至离焦状态的连续扫描，获取轴向显微图像序列Fix,y,i＝1...n； 步骤1.2：像差先验集合的建立：通过选取理想对焦位置图像Fidealx,y作为基准，通过基于反卷积的方法复原图像，以最小均方根为目标约束基准与复原图像，优化获得以Zernike系数为核的PSF离散图像，从而建立像差先验集合PSFi,x,y,i＝1...n； 步骤S4中，对输入进行傅里叶变换，获得频域图将频域图的实部与虚部信息分离并分别成像，获取实部特征与虚部特征,拼接扩展输入特征维度，获得融合空域-频域联合特征的输出实现特征增强； 步骤S5包括： 步骤5.1：将步骤4形成的复合特征向量输入到两层具有不同核大小的卷积层进行特征提取，然后通过展平层，将特征展平为一维向量，以匹配后续预测； 步骤5.2：通过两个预测头分别预测图像内包含的上层位置信息与下层位置信息，最后通过一个多分类的softmax激活函数实现轴向位置Zupper和Zlower的预测； 步骤S6中，利用步骤1建立的像差先验集合PSFi,x,y，结合步骤5.2预测的位置信息，采用反卷积算法对特征图像进行校正； 步骤S7包括： 步骤7.1：采用自注意力模块，通过构建像素级特征关联矩阵Wq,Wk，自适应捕捉图像内部的复杂细节特征,得到注意力向量A1： 步骤7.2：结合步骤3全局特征信息，利用卷积与sigmoid激活函数生成通道注意力Ac；利用自适应全局平均池化与softmax激活函数生成空间注意力As，生成的后续将引入到自注意力机制中，增强自注意力对全局特征的关注： As＝fsaF∈R2×H×W Ac＝fcaF∈RC×1×1 其中，As和Ac是实现网络分支的空间和通道注意力； 步骤7.3：引入坐标注意力机制，通过解耦x方向和y方向的空间方向信息，构建方向敏感的特征权重图和然后将x，y方向的特征权重图拼接获得f后再切分激活得到gh和gw，得到注意力向量A2； 步骤7.4：融合注意力特征，将双分支提取的异构特征与全局特征模块输出的SA和CA进行通道维度拼接，拼接后进行层归一化。

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京航空航天大学;南京航空航天大学苏州研究院，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。