Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜成都大学王佳熙获国家专利权

恭喜成都大学王佳熙获国家专利权

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!

龙图腾网恭喜成都大学申请的专利基于局部结构度量的全变分CT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:CN116630182B

龙图腾网通过国家知识产权局官网在2025-04-22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:202310514091.X,技术领域涉及:G06T5/70;该发明授权基于局部结构度量的全变分CT图像去噪方法是由王佳熙;左鸿滔;王孝天设计研发完成,并于2023-05-09向国家知识产权局提交的专利申请。

基于局部结构度量的全变分CT图像去噪方法在说明书摘要公布了:本发明涉及一种基于局部结构度量的全变分CT图像去噪方法,属于图像处理领域。本发明分为区分边缘与平坦区域、以及CT图像去噪两个步骤。本发明的边缘检测函数是一个自适应的,它充分利用了局部结构度量的全局信息,得出一个更适当的函数,利用该函数能求出更合适的范数。这对于对含噪CT图像的平坦和边缘区域的区分更加精准。在图像去噪方面,传统的TV模型不能起到保护边缘的作用。而本发明采用的是自适应范数的方式,针对平坦区域模型的正则项范数趋近于2,能尽可能的去除噪声;针对边缘部分,模型的正则项范数趋近于1,会起到保护边缘的作用。

本发明授权基于局部结构度量的全变分CT图像去噪方法在权利要求书中公布了:1.基于局部结构度量的全变分CT图像去噪方法,其特征在于:该方法包括边缘检测和图像去噪;所述边缘检测为:首先对图像进行三阶的高斯滤波,然后求出结果图像的结构张量,得出结构张量对应的特征值;根据特征值求出结构度量,建立一个自适应的边缘检测模型,针对含噪图像区分平坦区域和边缘区域;所述边缘检测包括以下步骤:S1:计算结构张量: 其中Ix表示图像I关于x的一阶偏导,Ixy表示图像在x的一阶偏导后再求关于y的偏导,Iy表示图像关于y的一阶偏导,*表示卷积符号,Gσ表示标准差为σ的三阶高斯滤波;S2:计算结构张量对应的特征值当Gσ为三阶的高斯滤波时,ST为一个二阶矩阵,最多有两个不同的特征值,设特征值λ1≥λ2,并记 其中,a11,a12,a21和a22为矩阵ST的元素; 其中λ1为STx,y较大的特征值,λ2为STx,y较小的特征值;利用STx,y的特征值和特征向量提取图像的结构信息,包括边缘和角点;S3:构造新的局部结构度量新的局部结构度量为: 对于一张含噪的CT图像,当在图像的边缘部分时,利用m值的大小区分其边缘区域和平坦区域;S4:利用新的边缘检测函数确定范数范数pm的计算方法采用的是自适应范数的方式,针对平坦区域模型的正则项范数趋近于2,能尽可能的去除噪声;针对边缘部分,模型的正则项范数趋近于1,会起到保护边缘的作用,具体为: 其中mmin表示所有m的最小值,mmax表示所有m的最大值,表示所有m的平均值,ε→0+,a,b和c为待定参数,范数pm值域为1到2;所述图像去噪包括以下步骤:S5:利用有限差分法求解全变分去噪模型全变分去噪模型为 其中I为含噪图像,为梯度算子,Ω为被积区域,f去噪后的图像,λ为惩罚项系数,J为能量泛函。

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成都大学,其通讯地址为:610106 四川省成都市龙泉驿区成洛大道2025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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。