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！

龙图腾网获悉宁波大学科学技术学院申请的专利一种干净梯度图引导的LDCT图像去噪系统及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：CN116452457B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202310438318.7，技术领域涉及：G06T5/70；该发明授权一种干净梯度图引导的LDCT图像去噪系统及方法是由骆挺;江国炜;徐海勇;何周燕;陈晔曜设计研发完成，并于2023-04-23向国家知识产权局提交的专利申请。

本一种干净梯度图引导的LDCT图像去噪系统及方法在说明书摘要公布了：本发明公开了一种干净梯度图引导的LDCT图像去噪系统及方法，包括：编码器和解码器；编码器，用于计算LDCT图像的干净梯度图，并将干净梯度图的特征与LDCT图像的特征融合，获得融合图像的浅层特征；解码器，用于提取融合图像的深层特征，并将浅层特征与深层特征融合，实现LDCT图像的去噪。本发明使用交叉注意力将梯度图与LDCT图像融合，它利用梯度图中的结构、纹理信息，有效的补充了LDCT图像所缺失的信息。

本发明授权一种干净梯度图引导的LDCT图像去噪系统及方法在权利要求书中公布了：1.一种干净梯度图引导的LDCT图像去噪系统，其特征在于，包括：编码器和解码器； 所述编码器，用于计算所述LDCT图像的干净梯度图，并将所述干净梯度图的特征与所述LDCT图像的特征融合，获得融合图像的浅层特征； 所述解码器，用于提取所述融合图像的深层特征，并将所述浅层特征与所述深层特征融合，实现LDCT图像的去噪； 所述编码器，包括：梯度去噪模块、交叉双注意力模块以及交叉通道自注意力模块； 所述梯度去噪模块，用于去除所述LDCT图像梯度域的噪声，获得所述干净梯度图； 所述交叉双注意力模块，用于将所述干净梯度图的纹理信息以及结构信息融入所述LDCT图像的特征，获得所述融合图像的包含全局信息和局部信息的初步融合特征； 所述交叉通道自注意力模块，用于基于所述初步融合特征，计算所述干净梯度图的边缘信息以及结构信息与所述LDCT图像浅层特征的相关性，获得所述融合图像的进一步融合特征； 所述解码器，包括：通道自注意力模块以及双自注意力模块； 所述通道自注意力模块，用于提取所述融合图像的深层特征，并将所述深层特征与所述浅层特征融合，获得深浅层融合特征； 所述双自注意力模块，用于提取所述深浅层融合特征的全局信息和局部信息，获得最终特征，向所述最终特征添加所述LDCT图像，获得去噪图像； 交叉双注意力模块由SW-CAT模块和CSAT模块串联组成；SW-CAT模块首先将干净梯度图特征Icg1和LDCT图像特征Il1通过层归一化处理，然后将其进行窗口分区，将干净梯度图的特征窗口Icgw和LDCT图像的特征窗口Ilw输入CA模块以计算交叉注意力，然后通过滑动窗口计算局部窗口之间的注意力；CA模块首先通过1×1卷积和3×3深度卷积对Icgw进行转换生成Q1张量，对Ilw进行转换生成K1张量和V1张量，这里的Q1、K1和V1的大小都是C×H×W；然后，为了执行注意力计算，将Q1、K1和V1分别重塑为HW×C、C×HW和C×HW大小；最后，计算交叉注意力，表示为： 其中S表示K1的维度，表示一次3×3深度卷积，表示一次1×1卷积，挖掘Icg1和Il1之间的依赖关系，以增强二者融合。

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宁波大学科学技术学院，其通讯地址为：315300 浙江省宁波市慈溪市白沙路街道文蔚路521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。