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！

龙图腾网获悉合肥工业大学申请的专利一种基于伪3D卷积的偏振去反射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：CN119359574B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202411307329.2，技术领域涉及：G06T5/60；该发明授权一种基于伪3D卷积的偏振去反射方法是由王昕;陈彦初;张勇;岳晨龙;王瞻;高隽设计研发完成，并于2024-09-19向国家知识产权局提交的专利申请。

本一种基于伪3D卷积的偏振去反射方法在说明书摘要公布了：本发明公开了一种基于伪3D卷积的偏振去反射方法，包括：1、构建了实拍的真实世界偏振去反射数据集，并利用偏振成像原理和光学理论获取合成的偏振去反射数据集；2、构建基于伪3D卷积的使用偏振图像的深度卷积神经网络，以若干张不同偏振角度的偏振图像作为输入，对深度卷积神经网络进行训练，得到多图像去反射模型；3、利用训练好的模型对待混合的偏振图像进行去反射处理，得到恢复好的传输图像。本发明能实现基于伪3D卷积的偏振去反射，以有效提高复杂多变场景下的去反射效果，从而能为许多高级视觉任务提供更加清晰的图像。

本发明授权一种基于伪3D卷积的偏振去反射方法在权利要求书中公布了：1.一种基于伪3D卷积的偏振图像去反射方法，其特征在于，按照如下步骤进行： 步骤1、获取包含真实混合偏振图像和合成混合偏振图像的综合偏振数据集； 步骤1.1、获取K1个静态场景下的真实混合偏振图像集、真实传输偏振图像集和真实反射偏振图像集；其中，表示第k1个静态场景下偏振角度为的真实混合偏振图像；表示第k1个静态场景下偏振角度为的真实传输偏振图像；表示第k1个静态场景下偏振角度为的真实反射偏振图像； 步骤1.2、获取另外K2个静态场景下的合成混合偏振图像集、合成传输偏振图像集和合成反射偏振图像集；其中，表示第k2个静态场景下偏振角度为的合成混合偏振图像；表示第k2个静态场景下偏振角度为的合成传输偏振图像；表示第k2个静态场景下偏振角度为的合成反射偏振图像； 步骤1.3、将和合并为混合偏振数据集；将和合并为传输偏振数据集；将和合并为反射偏振数据集；其中，表示第k个静态场景下偏振角度为的混合偏振图像；表示第k个静态场景下偏振角度为的传输偏振图像；表示第k个静态场景下偏振角度为的反射偏振图像； 对同一场景下所有偏振角度的逐像素求均值后，得到第k个静态场景下的混合非偏振图像；对同一场景下所有偏振角度的逐像素求均值，得到第k个静态场景下的传输非偏振图像；对同一场景下所有偏振角度的逐像素求均值，得到第k个静态场景下的反射非偏振图像； 步骤2、基于U-Net架构，构建基于伪3D卷积的偏振去反射网络，包含：特征升维模块、一个编码器、传输图像解码器、反射图像解码器； 步骤2.1、所述特征升维模块对{}进行升维和融合操作，从而得到第k个静态场景下的4维特征图； 步骤2.2、编码器是由M个基本卷积模块组成，并依次对进行处理，得到第k个静态场景下的M个高频特征图、M个低频特征图和M个高低频叠加特征图；其中，表示第个高频特征图，表示第个低频特征图，表示第k个静态场景下的第m个高低频叠加特征图； 步骤2.3、传输图像解码器对和进行处理，得到第k个静态场景下的恢复传输图像； 反射图像解码器对和进行处理，得到第k个静态场景下的恢复反射图像； 步骤3、训练基于伪3D卷积的偏振图像去反射模型； 步骤3.1、基于、和，利用式1构建总损失函数L； 1 式1中，表示重建损失，表示感知损失、表示排斥损失、表示对抗损失，λ1、λ2、λ3分别为感知损失、排斥损失和对抗损失的权重； 步骤3.2、利用ADAM优化器对所述基于伪3D卷积的偏振图像去反射网络进行训练，并在训练过程中，先固定生成器，更新判别器以最小化判别器损失，再固定判别器，更新生成器以最小化生成器的对抗损失，从而交替更新判别器和生成器，直到总损失函数L收敛为止，从而得到最优基于伪3D卷积的使用偏振图像的去反射模型，用于对合成的偏振混合图像和真实拍摄的偏振混合图像进行去反射处理。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。