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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于图像翻译算法的畸变涡旋光束直接校正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：CN118483818B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202410473099.0，技术领域涉及：G02B27/00；该发明授权一种基于图像翻译算法的畸变涡旋光束直接校正方法是由王斐艺;欧军;池灏;殷智慧设计研发完成，并于2024-04-19向国家知识产权局提交的专利申请。

本一种基于图像翻译算法的畸变涡旋光束直接校正方法在说明书摘要公布了：本发明公开了一种基于图像翻译算法的畸变涡旋光束直接校正方法。不需要先生成补偿相位屏再对畸变光束补偿，而是直接对畸变的涡旋光束进行校正，并且消除制作训练数据集的成对匹配要求限制，同时降低训练数据集的数量要求，使模型训练之前的准备工作更简化，且校正性能优异。本发明方法不依赖相位信息校正畸变光强，通过畸变光强图和无损光强图之间的关系，在接收端用机器学习算法之间校正畸变光强，不需要任何光学相位补偿元件，节省光学硬件的成本，便于集成。

本发明授权一种基于图像翻译算法的畸变涡旋光束直接校正方法在权利要求书中公布了：1.一种基于图像翻译算法的畸变涡旋光束直接校正方法，其特征在于，步骤如下： 步骤1、对涡旋光束在大气湍流介质中的传输进行建模，利用光波传输数值仿真的方法，分别得到模拟的传输前的涡旋光束光强分布图和传输后畸变的光强分布图； 将模拟的涡旋光束光强分布图制作成数据集，包含训练模型参数的训练集和测试模型性能的测试集；制作数据集时，无需将每一张畸变的光强分布图和它对应的传输前的光强分布图配对； 步骤2、建立图像翻译算法模型，将训练集中的传输前的涡旋光束光强分布图和传输后畸变的光强分布图作为图像翻译算法模型的输入进行训练，使网络习得源域到目标域的映射关系； 步骤3、输入测试数据集到训练好的图像翻译算法模型，算法模型根据已掌握的源域到目标域的映射关系对畸变的涡旋光束光强分布图进行校正，直接生成未畸变的涡旋光束光强分布图； 所述的数据集由以下方式得到：建立多湍流相位屏模拟的大气湍流传输环境，通过光波传输数值仿真计算衍射光强产生数据；分别控制湍流强度与传输距离，产生不同条件下传输后畸变的涡旋光束光强分布图；制作数据集时，无需将每一个畸变的光强分布图与它对应的传输前的光强分布图对应起来，从而减轻制作数据集的复杂程度，得到训练集和测试集； 所述的图像翻译算法模型是一种基于生成对抗网络模型的变体，称为CUT网络，由15层网络组成的生成器和5层网络组成的判别器构成； CUT网络的生成器由15层网络组成，前3层为卷积层，中间9层是残差块，后接两层反卷积层，最后一层为卷积层；第一和最后一个卷积层使用的卷积核尺寸为7×7，它们的步幅为1；第二和第三个卷积层使用的卷积核尺寸为3×3，它们的步幅为2；中间的九个残差块的卷积核尺寸为3×3，它们的步幅为1；两个反卷积层的卷积核尺寸为3×3，它们的步幅为2； CUT网络的判别器由5层网络组成，前4层都是卷积层组合上一层实例标准化层，使用的卷积核尺寸为4×4，步幅为2，使用ReLU函数为激活函数；最后一层为卷积层，使用的卷积核尺寸为4×4，步幅为1，使用Sigmoid函数为激活函数。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。