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！

龙图腾网获悉北京航空航天大学申请的专利一种融合优化高斯滤波的激光吸收光谱层析图像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：CN116957994B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202311006440.3，技术领域涉及：G06T5/20；该发明授权一种融合优化高斯滤波的激光吸收光谱层析图像重建方法是由曹章;温晋婷;徐立军;赵锴设计研发完成，并于2023-08-10向国家知识产权局提交的专利申请。

本一种融合优化高斯滤波的激光吸收光谱层析图像重建方法在说明书摘要公布了：本发明提出一种融合优化高斯滤波的激光吸收光谱层析图像重建方法，通过加入优化的高斯滤波，构造新的图像重建迭代格式，使迭代结果收敛于真值的一个空间变换。本方法给出等比序列形式的迭代收敛格式，根据等比序列的系数矩阵定义了表征迭代收敛速度的评价指标，并根据真值的空间变换矩阵定义了表征图像重建精度的评价指标。通过所定义的两个评价指标，本方法在不依赖于具体原始分布的条件下，实现了高斯滤波器模板系数的优化选择。本方法有效提高了图像重建精度和迭代收敛速度，有助于激光吸收光谱层析成像技术实现快速高精度的图像重建。

本发明授权一种融合优化高斯滤波的激光吸收光谱层析图像重建方法在权利要求书中公布了：1.一种融合优化高斯滤波的激光吸收光谱层析图像重建方法，通过加入优化的高斯滤波，构造新的图像重建迭代格式，使迭代结果收敛于真值的一个空间变换；所述的图像重建方法给出等比序列形式的迭代收敛格式，并根据等比序列的系数矩阵及真值的空间变换矩阵定义评价指标，实现高斯滤波器模板系数的优化选择； 激光吸收光谱层析成像模型可表示为： Ax＝b1 其中，A是M×N维的灵敏度矩阵，b是M×1维的投影数据向量，x是由待重建的图像重排列成的N×1维向量，M和N分别表示投影光线的总数和重建网格的总数，满足M＜N；用Ai，+表示灵敏度矩阵A第i行的行和，即并用A+，j表示灵敏度矩阵A第j列的列和，即Ai，+和A+，j满足假设：Ai，+＞0对任意i∈{1,2，…，M}成立，A+，j＞0对任意j∈{1,2，…，N}成立；构造以A+，j为对角元素的N×N维对角矩阵V和以为对角元素的M×M维对角矩阵W，并构造N×N维的矩阵B，令B＝V-1ATWA；设矩阵G是N×N维的高斯滤波矩阵，Gx表示对x所代表的二维图像进行高斯滤波，设x*为公式1所示的线性方程组的解的真值，满足Ax*＝b； 采用迭代重建算法求解公式1所示的线性方程组，构造等比序列形式的迭代收敛格式： xk-Cx*＝Dxk-1-Cx*2 其中，xk是第k次迭代结果，xk-1是第k-1次迭代结果，矩阵C和矩阵D均为N×N维矩阵，D＝I-ωBG，C＝I-D-1ωB，I为单位矩阵，ω是松弛因子，且0＜ω＜2；通过调整高斯滤波器的模板系数，能够使等比向量序列{xk-Cx*}的系数矩阵D所有特征值的模都小于1，从而使xk收敛于真值x*的空间变换Cx*； 根据公式2，得到所述的图像重建方法的迭代格式为： xk＝Gxk-1+ωV-1ATWb-AGxk-13 所述的图像重建方法具体按照如下步骤实施： 步骤一、输入灵敏度矩阵A、投影数据向量b、松弛因子ω、迭代收敛容差ε、迭代初值向量x0和经过优化的高斯滤波器的模板系数； 步骤二、按照图像的空间滤波原理，计算高斯滤波矩阵G； 步骤三、根据公式3，计算第k次迭代结果xk，其中，k＝1,2，…，K，K为迭代停止时的迭代次数； 步骤四、计算第k次迭代结果xk相对于第k-1次迭代结果xk-1的变化δ，其表达式为：δ＝||xk-xk-1||2||xk-1||2；判断δ是否小于迭代收敛容差ε，如果是，则执行步骤五，如果否，则令k＝k+1并返回步骤三； 步骤五、停止迭代，输出迭代结果xK。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。