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！

龙图腾网获悉长春工业大学申请的专利一种融合双模态逆确定性的各向异性深度图像修复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：CN116433502B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202310133869.2，技术领域涉及：G06T5/77；该发明授权一种融合双模态逆确定性的各向异性深度图像修复方法是由李岩;李鑫;姜慧;石建军;张振国;倪大伟;程国醒设计研发完成，并于2023-02-20向国家知识产权局提交的专利申请。

本一种融合双模态逆确定性的各向异性深度图像修复方法在说明书摘要公布了：本发明公开了一种融合双模态逆确定性的各向异性深度图像修复方法。其中方法包括：输入对齐的彩色图和原始深度图像；将彩色图的色彩空间从RGB转至Lab，再将Lab图像转换成灰度图；通过三角阈值法分割原始深度图生成伪背景图；对原始深度图进行连通域分析，标记连通孔洞并获取对应连通孔洞内部的无效点像素坐标；按顺序处理下个连通孔洞内的无效点像素；基于融合双模态逆确定性的分数指标评估当前孔洞中所有无效点的修复优先级；建立基于各向异性代价的填充机制修复优先级最高的无效点；直至所有无效点被填充完成，输出完整深度图像。本发明在提升深度修复精度的基础上，增强了算法的鲁棒性，减少了处理时长。

本发明授权一种融合双模态逆确定性的各向异性深度图像修复方法在权利要求书中公布了：1.一种融合双模态逆确定性的各向异性深度图像修复方法，其特征在于包括如下步骤： 步骤1：输入对齐的彩色图和原始深度图像，所述对齐的彩色图和原始深度图像是指两图像的像素坐标一一对应；将彩色图的色彩空间从RGB转至Lab，再将Lab图像转换成灰度图；通过三角阈值法分割原始深度图生成伪背景图；对原始深度图进行连通域分析，标记连通孔洞并获取对应连通孔洞内部的无效点像素坐标； 步骤2：按顺序处理下个连通孔洞内的无效点像素，所述无效点像素为原始深度图中深度值为0的像素点； 步骤3：基于融合双模态逆确定性的分数指标评估当前孔洞中所有无效点的修复优先级，其特征在于，所述融合双模态逆确定性的分数指标由以下函数决定： 对于无效点像素n，其修复优先级与融合双模态逆确定性分数Un负相关，即Un最低时，该无效点对应的优先级最高，Un表达式如下： Un＝γ×Nn+δ×En 其中，γ和δ表示两部分占比的平衡因子，其中γ+δ＝1，Nn表示根据邻域有效点个数计算的逆确定性分数，所述有效点为深度图中深度值不为0的像素点，Nn表达式如下： Nn＝e-numq+e-numb 其中，num·表示·的个数，q表示无效点n所在8邻域中的有效点，b表示属于q且在伪背景图中值为0的伪背景点， En表示根据邻域有效点深度和颜色信息熵计算的逆确定性分数，En公式如下： En＝Edn+Ecn 其中，Edn为有效点深度信息熵，表达式如下： 其中，表示邻域有效点深度值中第i个不重复的值，m表示不重复深度值的总个数，表示以2为底的对数，表示在有效点中出现的概率，表达式如下： 其中，fdi表示在有效点中出现的总次数， Ecn为有效点颜色信息熵，表达式如下： 其中，表示邻域有效点位于灰度图GLab中第u个不重复的灰度值，h表示不重复灰度值的总个数，表示以2为底的对数，表示在有效点中出现的概率，表达式如下： 其中，fcu表示在有效点中出现的总次数； 步骤4：建立各向异性代价的填充机制修复优先级最高的无效点，其特征在于，所述各向异性代价的填充机制由以下函数决定： 对于无效点像素n，建立各向异性代价函数Dn度量邻域有效点与无效点之间的距离关系，将Dn最小时对应的有效点深度值赋值给无效点，完成当前无效点的填充，Dn的表达式如下： 其中，wk表示每部分代价因子的权重，其中w1+w2+w3+w4＝1，diskn,q表示第k个代价因子；dis1n,q表示距离代价因子；dis2n,q表示颜色代价因子；dis3n,q和dis4n,q分别表示梯度幅值代价因子和梯度相角代价因子； 步骤5：判断当前孔洞中的全部无效点是否修复完成；如果未修复完成，则运行步骤3；如果修复完成，则继续执行步骤6； 步骤6：判断深度图中的全部连通孔洞是否修复完成；如果未修复完成，则运行步骤2；如果修复完成，则继续执行步骤7； 步骤7：将本次修复结果作为完整深度图像输出。

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长春工业大学，其通讯地址为：130012 吉林省长春市延安大街2055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。