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！

龙图腾网获悉山西大学;太原理工大学申请的专利一种针对微观离散噪声场景的深度估计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：CN115937286B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202211605054.1，技术领域涉及：G06T7/50；该发明授权一种针对微观离散噪声场景的深度估计方法是由闫涛;刘凤娴设计研发完成，并于2022-12-14向国家知识产权局提交的专利申请。

本一种针对微观离散噪声场景的深度估计方法在说明书摘要公布了：本发明涉及一种针对微观离散噪声场景的深度估计方法。包括：步骤1，微米级步进电机采集微观离散噪声场景的多景深图像序列；步骤2，采用多方向拉普拉斯算子与图像序列进行卷积操作得到多个聚焦体积结果；步骤3，通过聚焦体积结果最大值所在位置得到多个初始深度图；步骤4，从统计学数据稳定性视角提出的约束条件对初始深度图进行筛选；步骤5，对筛选后的深度图进行融合；步骤6，联合图像序列与融合后的深度图得到融合图像；步骤7，融合后的深度图与融合图像通过加权中值滤波得到微观场景最终的深度图。本发明提出的方法可对微观离散噪声场景的深度信息进行准确估计。

本发明授权一种针对微观离散噪声场景的深度估计方法在权利要求书中公布了：1.一种针对微观离散噪声场景的深度估计方法，其特征包括以下步骤： 步骤1，通过微米级步进电机采集微观离散噪声场景的多景深图像序列In,1≤n≤N，其中n为图像序列下标，N为图像序列总数； 步骤2，将步骤1得到的图像序列In,1≤n≤N与C个方向拉普拉斯算子CDMLc,1≤c≤C根据式1进行卷积操作得到C组图像序列的聚焦体积结果 其中c为方向拉普拉斯算子下标，C为算子总数，为卷积运算符，方向拉普拉斯算子CDMLc,1≤c≤C的表达式如式2所示， CDMLc＝Rxsinc-1θ+Rycosc-1θ,1≤c≤C2 其中sin·与cos·分别为正弦与余弦函数，θ为角度参数，Rx与Ry分别为水平拉普拉斯算子与垂直拉普拉斯算子，其表达式如式3所示， 其中像素坐标ψ,ζ为像素x,y的邻域坐标，s为步长，Inψ,ζ为第n幅图像In中ψ,ζ位置的灰度值； 步骤3，将步骤2得到的C组图像序列的聚焦体积结果按照式4计算得到C幅初始深度图Dc,1≤c≤C， 其中表示求解聚焦体积结果下标n的函数； 步骤4，对于步骤3得到的C幅初始深度图Dc,1≤c≤C中每一幅深度图Dk,1≤k≤C按照式5的数据稳定性约束条件进行选择，将满足条件的深度图组合为R幅深度图Di,1≤i≤R， 其中S2表示C幅初始深度图Dc,1≤c≤C的方差，Dj,1≤j≤C为C幅初始深度图中第j幅深度图，Di,1≤i≤R为R幅选择后初始深度图中第i幅深度图； 步骤5，将步骤4得到的R幅初始深度图Di,1≤i≤R按照式6得到融合后的深度图DF； 其中Di,1≤i≤R为R幅选择后初始深度图中第i幅深度图； 步骤6，将步骤5得到的融合后的深度图DF联合步骤1中的图像序列In,1≤n≤N按照式7得到对应的融合图像F， 其中D2F·为深度图映射为灰度图函数； 步骤7，将步骤5得到的融合后的深度图DF与步骤6得到的融合图像F按照式8得到微观离散噪声场景最终的深度图像D， D＝jointWMFDF,F8 其中jointWMF·表示加权中值滤波函数。

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山西大学;太原理工大学，其通讯地址为：030006 山西省太原市小店区坞城路92号山西大学科技楼803；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”。