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！

龙图腾网获悉中国科学技术大学申请的专利基于展开式建模和多模态融合的ToF深度图像去噪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：CN115908202B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202310026152.8，技术领域涉及：G06T5/70；该发明授权基于展开式建模和多模态融合的ToF深度图像去噪方法是由张越一;董冠廷;熊志伟设计研发完成，并于2023-01-09向国家知识产权局提交的专利申请。

本基于展开式建模和多模态融合的ToF深度图像去噪方法在说明书摘要公布了：本发明公开了一种基于展开式建模和多模态融合的ToF深度图像去噪方法，其步骤包括：1、获取图像数据；2、构建包两个参数不共享的卷积神经网络与ΦA·与ΦD·；3、构建包含全局特征融合模块与初始残差回归模块的初始重建单元；4、构建包包含局部特征融合模块隐含层和输出层的局部更新单元。本发明在ToF深度数据去噪的循环迭代框架下，通过引入多模态数据融合技术，能达到鲁棒的，准确的ToF深度图像去噪效果。

本发明授权基于展开式建模和多模态融合的ToF深度图像去噪方法在权利要求书中公布了：1.一种基于展开式建模和多模态融合的ToF深度图像去噪方法，其特征在于，是按照如下步骤进行： 步骤1、获取ToF深度图像及其对应的真实深度图像，以及所述真实深度图像对应的幅度图像并进行预处理，得到预处理后的ToF深度图像、预处理后的真实深度图像和预处理后的幅度图像； 步骤2、构建两个参数不共享的卷积神经网络与；并用于得到ToF深度图像的全局特征和幅度图像的全局特征； 步骤3、构造包含全局特征融合模块与初始残差回归模块的初始重建单元，并用于得到初始深度残差； 步骤3.1、所述全局特征融合模块由多个尺度的残差通道注意力层组成，将ToF深度图像的全局特征和幅度图像的全局特征在通道维度上连接后，输入到全局特征融合模块中进行不同尺度上的融合，得到多尺度的全局融合特征； 步骤3.2、所述初始残差回归模块由两个卷积核为的卷积层组成，并用于对所述全局融合特征的通道维度进行降维后，再使用一个Sigmoid函数激活降维后的全局融合特征，从而得到初始深度残差； 步骤4、构造包含局部特征融合模块、隐含层和输出层的局部更新单元，并用于得到去噪后的ToF深度图像； 步骤5、由卷积神经网络与、初始重建单元和局部更新单元构成ToF深度图像去噪网络并进行参数更新； 步骤5.1、利用式1构建ToF深度图像去噪网络的损失函数： 1 式1中，K表示最大循环更新次数，表示第次循环更新的损失函数，并由式2得到； 2 式2中，表示使用sobel算子进行梯度检测，表示计算模为1的范数；表示第次循环更新的预测深度图中m，n像素坐标处的深度值；表示预处理后的真实深度图像中m，n像素坐标处的深度值；M表示图像的长度，N表示图像的宽度； 步骤5.2、基于ToF深度图像、幅度图像和真实深度图，采用Adam梯度下降优化算法对所述ToF深度图像去噪网络进行训练，并计算所述损失函数用于反向更新网络参数，直至损失函数收敛为止，从而得到训练后的ToF深度图像去噪模型。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。