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！

龙图腾网获悉南京大学申请的专利一种非视域隐藏场景的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：CN115588074B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202110763292.4，技术领域涉及：G06T17/00；该发明授权一种非视域隐藏场景的重建方法是由胡雪梅;蒋博文;倪思琪;岳涛设计研发完成，并于2021-07-06向国家知识产权局提交的专利申请。

本一种非视域隐藏场景的重建方法在说明书摘要公布了：本发明公开一种非视域隐藏场景的重建方法。其步骤如下：构造隐藏场景深度图和灰度图数据集；根据中介面光场分布模型模拟出各深度图和灰度图所对应的中介面仿真光子计数图；构建反向重建模型，并利用经预处理后的仿真光子计数图数据集完成模型训练；将测试集中的三维光子计数图作为重建模型的输入，输出二值平面图像和粗略的三维反向重建结果；对粗略的三维重建结果沿深度轴方向求最大值及最大值所对应的下标，并用所得的二值图像过滤，分别得到所重建出的隐藏场景反射率二维投影图和深度图。本发明方法在不明显降低重建效率的情况下，定量而准确地重建出了隐藏场景的深度图和反射率二维投影图，重建图像中物体边缘清晰、表面平滑、具有较少的伪影。

本发明授权一种非视域隐藏场景的重建方法在权利要求书中公布了：1.一种非视域隐藏场景的重建方法，其特征在于，包括如下步骤： 步骤1，构造隐藏场景数据集，数据集分为训练集和测试集两部分； 步骤2，根据中介面光场分布模型仿真出各隐藏场景所对应的中介面光场分布，得到仿真光子计数图数据集，作为实际非视域成像系统所得三维光子计数测量结果的模拟； 步骤3，构建反向重建模型，并利用经预处理后的仿真光子计数测量结果数据集完成模型训练；反向重建模型是由光锥变换网络LCT-Net和目标检测网络Detect-Net两部分组成的一个端到端的网络，其中，光锥变换网络LCT-Net对输入的原始三维光子计数测量值输出粗略的隐藏场景三维重建结果，目标检测网络Detect-Net对光锥变换网络LCT-Net输出结果的反射率二维投影进行进一步的特征提取，输出一幅二值平面图像；其中，光锥变换网络LCT-Net的计算步骤如下： ①根据当前时刻t和光速c计算出步骤1数据集原始三维光子计数图τ中各时刻下的测量结果所对应的距离r，再由光信号能量按rk衰减的规律，校正原始光子计数测量结果的能量衰减，其中，k为能够通过神经网络的训练过程动态优化的参数； ②对时间轴进行重采样，记为“Rt变换”，得到Rt[τ]； ③通过快速傅里叶变换F[·]将Rt[τ]变换到频域，得到FRt[τ]； ④通过约束最小二乘法在频域进行解卷积，得到其中γ为能够通过神经网络的训练过程动态优化的参数；H为某已知点扩散函数的傅里叶变换，H*为H的共轭复数；约束最小二乘法的公式为： 式中，G为经某点扩散函数退化后图像的傅里叶变换；为退化图像估计的傅里叶变换；H为点扩散函数的傅里叶变换；H*为H的共轭复数；γ为需要通过迭代调整到约束条件的参数；在二维解卷积问题中，P为如下拉普拉斯核的傅里叶变换： ⑤通过快速傅里叶逆变换F-1[·]，得到 ⑥对深度轴进行重采样，记为“Rz -1”，得到最终的隐藏场景物体反射率ρ的重建结果为： 步骤4，完成反向重建模型的训练后，将步骤1测试集中的三维光子计数图作为步骤3所述反向重建模型的输入，同时输出粗略的三维反向重建结果和二值平面图像； 步骤5，对步骤4得到的粗略三维反向重建结果沿深度轴求最大值及最大值所对应的下标，并用得到的二值平面图像过滤，分别重建出隐藏场景反射率二维投影图和深度图。

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南京大学，其通讯地址为：210046 江苏省南京市栖霞区仙林大道163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”。