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！

龙图腾网获悉华中科技大学申请的专利一种基于自适应希尔伯特范数的结构光照明显微成像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：CN121120839B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202511657982.6，技术领域涉及：G06T11/10；该发明授权一种基于自适应希尔伯特范数的结构光照明显微成像方法是由邓勇;王子路;秦雨祺设计研发完成，并于2025-11-13向国家知识产权局提交的专利申请。

本一种基于自适应希尔伯特范数的结构光照明显微成像方法在说明书摘要公布了：本发明涉及一种基于自适应希尔伯特范数的结构光照明显微成像方法，本发明旨在解决现有SIM重建算法在照明条纹不均一条件下，得出照明参数估计值不准确，出现重建伪影问题。本发明方法将采集到单帧或多帧SIM原始图像分解为结构、纹理和噪声部分；通过构建一个包含全变分范数和自适应希尔伯特范数的能量极小化模型，将代表照明图案纹理部分精确提取出来；将提取出照明图案图像与SIM原始图像一起迭代重建，最终得到超分辨图像。与传统方法相比，本发明能够从单帧原始图像中精确提取照明图案，有效处理存在局部弯曲的非均匀照明条纹，获得更准确超分辨重建结果。该方法适用于多种重建方法和应用场景，在SIM成像质量和成像通量的提升中有良好的应用前景。

本发明授权一种基于自适应希尔伯特范数的结构光照明显微成像方法在权利要求书中公布了：1.一种基于自适应希尔伯特范数的结构光照明显微成像方法，其特征在于，包括以下步骤： 步骤1 ，基于图像的结构‑纹理分解模型，将采集到的单帧结构光照明原始图像y分解为代表荧光样本的平滑结构部分f、代表照明条纹的高频纹理部分I和噪声部分n，通过引入全变差正则化约束结构部分，并利用自适应希尔伯特范数约束照明条纹部分，构建最小化目标函数；最小化目标函数为： ； 为优化问题，即最小化目标函数，优化变量为；为探测到的单帧SIM原始图像；为待分解的生物样本荧光分布，即结构部分；为待提取的照明条纹图案，即纹理部分；为表征纹理方向与频率的局部频率场；为结构部分的全变差范数； 为照明条纹部分关于频率场的自适应希尔伯特范数，用于精确约束具有强方向性的照明条纹，描述为：； 为局部傅里叶框架，每一个为局部窗口内坐标处的傅里叶变换；为局部傅里叶框架  下对的分解算子，为非负正则化系数； 步骤2 ，通过块坐标下降算法求解步骤1中构建的最小化目标函数，从输入的原始图像y中分离出照明条纹图像; 步骤3 ，将步骤2中为每张原始图像所提取出的照明条纹图像，作为一个已知的物理先验信息，代入到迭代超分辨重建算法的正向模型中，构建迭代优化目标; 迭代超分辨重建算法的正向模型如下：； 为探测到的单帧SIM原始图像； 为待重建的、高分辨率的生物样本三维荧光分布； 为步骤2中提取出的照明条纹图像； 为显微镜光学系统的离散卷积算子，其核心为点扩散函数； 为下采样算子； 噪声部分； 迭代优化目标描述为： ；  为SIM原始图像序号；为最小二乘保真项，其数学形式为： ； 为正则化项，为Hessian算子，计算在每个点处的二阶偏导数；为混合范数,其数学形式为； 为在点n处的1阶Schatten范数，定义为矩阵的所有奇异值之和； 为非负性约束，确保重建出的荧光团密度分布具有物理意义，即各点强度值大于等于零； 为线性算子，数学形式为； 为非负正则化系数； 步骤4，求解步骤3中构建出的迭代优化目标，得到SIM超分辨图像。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞瑜路1037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。