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！

龙图腾网获悉广东工业大学申请的专利一种基于小波域特征关联复值神经网络的全息重建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：CN120909092B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511023972.7，技术领域涉及：G03H1/08；该发明授权一种基于小波域特征关联复值神经网络的全息重建方法是由邸江磊;欧卓林;豆嘉真;唐雎;钟丽云;秦玉文设计研发完成，并于2025-07-24向国家知识产权局提交的专利申请。

本一种基于小波域特征关联复值神经网络的全息重建方法在说明书摘要公布了：本发明属于同轴全息重建领域，公开了一种基于小波域特征关联复值神经网络的全息重建方法，具体为：将同轴全息图A增添相位项构建复振幅B并对其进行n级离散小波变换，将变换后的结果以及复振幅B作为复值神经网络的输入，输出物场复振幅C；接着对物场复振幅C进行噪声抑制，将抑制后的复振幅D模拟同轴全息正向传播过程生成全息图E；最后计算同轴全息图A与全息图E之间的相似度并对复振幅D的相位进行平滑总变分约束，通过复值神经网络的梯度下降优化算法实现全息重建。本发明旨在利用光学全息术中波前振幅项和相位项之间固有的耦合关系，构建复值特征关联模型划分目标物体与背景信息，保留目标特征的同时抑制噪声，实现更优异的全息重建。

本发明授权一种基于小波域特征关联复值神经网络的全息重建方法在权利要求书中公布了：1.一种基于小波域特征关联复值神经网络的全息重建方法，其特征在于，所述方法包括以下步骤： S1、在同轴全息基本原理的基础上搭建光路并利用相机拍摄相位型同轴全息图A； S2、将采集到的相位型同轴全息图A的像素值开平方作为振幅项，并随机生成一个初始相位项来构建复振幅B，将复振幅B进行n级离散小波变换后生成各级低频复振幅分量和高频复振幅分量，连同原始的复振幅B一起，作为复值网络模型的输入；每轮迭代输出的抑制后的复振幅D的相位项将替换输入复振幅B的相位项,生成新的复振幅B； S3、对复值网络模型的输入，都先通过浅层特征提取层进行初步特征提取，该浅层特征提取层由多个卷积核大小为3×3的复值卷积块构成，每个复值卷积块包含复值卷积操作、复值批量归一化层和复值ReLU激活函数；接着利用复值Prewitt算子模块构建浅层特征提取层输出的各级低频分量的边缘掩码，增强低频分量边缘特征的权重；随后将增强的低频分量与对应的高频分量作为跨小波域特征关联模块的输入； S4、在跨小波域特征关联模块中，使用四个复值深度可分离卷积分别计算出增强低频分量的Q、VL以及对应高频分量的K、VH,结合多头注意力和softmax函数计算高频分量中聚焦的低频文本信息的权重WLH以及低频分量对高频分量语义表达的权重WHL；最后将权重WLH与VL、权重WHL与VH结合并分别作用于输入的增强低频分量与对应的高频分量，获得增强后的低频特征ENL和高频特征ENH； S5、将第n级低频特征ENLn和高频特征ENHn进行离散小波逆变换以及经过一个复值卷积块，然后将复值卷积块输出的结果与第n-1级低频特征ENLn-1结合后生成优化的低频特征ENL'n-1；优化后的低频特征ENL'n-1再与对应的高频特征ENHn-1进行离散小波逆变换以及经过一个复值卷积块，执行n次相同操作后生成与复振幅B具有相同尺寸的物场复振幅C； S6、对物场复振幅C使用基于复值的平滑总变分去噪模型进行噪声抑制，将抑制后的复振幅D模拟同轴全息正向传播过程生成全息图E；最后计算全息图相位型同轴全息图A与全息图E之间的相似度以及对复振幅D的相位进行平滑总变分约束，通过复值神经网络的梯度下降优化算法进行单张图的自监督迭代优化过程，最终实现全息重建。

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广东工业大学，其通讯地址为：510006 广东省广州市番禺区广州大学城外环西路100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。