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！

龙图腾网获悉北京神舟航天软件技术股份有限公司申请的专利一种基于分层不确定性的事件流图像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：CN120147454B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202510224698.3，技术领域涉及：G06T11/10；该发明授权一种基于分层不确定性的事件流图像重建方法是由张笑林;密伟;蒋旭;邹莎莎;王德鑫;常晓洋;雷宇;刘陆洲;吉昌设计研发完成，并于2025-02-27向国家知识产权局提交的专利申请。

本一种基于分层不确定性的事件流图像重建方法在说明书摘要公布了：本发明公开了一种基于分层不确定性的事件流图像重建方法，所述重建方法包括：步骤S1：输入事件流数据，并随机采样构建多掩膜事件帧；步骤S2：将处理后的事件帧输入到事件流重建网络中，获得多个重建图像，重建图像共享一个真实图像，在重建图像与真实图像之间建立不确定性模型；步骤S3：调整网络参数进行神经网络的训练和测试，从不确定性得分中筛选需要进行优化的图像。提高事件流图像重建的准确性和质量，并增强模型对动态场景的适应性和鲁棒性。

本发明授权一种基于分层不确定性的事件流图像重建方法在权利要求书中公布了：1.一种基于分层不确定性的事件流图像重建方法，其特征在于，所述重建方法包括： 步骤S1：输入事件流数据，并随机采样构建多掩膜事件帧； 步骤S2：将处理后的事件帧输入到事件流重建网络中，获得多个重建图像，重建图像共享一个真实图像，在重建图像与真实图像之间建立不确定性模型，包括： 步骤S21：定义像素处事件重要性的不确定度量为Uij，多次遮挡试验中重要性估计在对应空间位置的方差； 步骤S22：联合事件重要性分布和不确定性分布，得到一个全面刻画输入事件流统计特性的分层表征； 步骤S23：利用损失函数的值来估计每个事件流的置信度或权重； 步骤S24：将损失函数值转换为置信度分数，基于损失函数的不确定性建模方法优化事件流的选择和组合； 步骤S25：通过动态调整每个事件流的权重，自适应地适应不同场景和数据特点，获得更鲁棒和高效的图像重建结果； 所述建立不确定性模型具体包括： 定义像素i,j处事件重要性的不确定度量为Uij，即K次遮挡试验中重要性估计Rij在该空间位置的方差： 其中，U＝{Uij∈RH×W}，联合事件重要性分布R和不确定性分布U，得到一个全面刻画输入事件流E统计特性的分层表征； 事件帧的高度H、宽度W，事件流重建网络为fθ，矢量积符号，随机二值掩码M，s·,·表示逐像素误差度量，I表示重建图像； 其中，R反映了事件在图像重建中的显著性差异，为重建算法的注意力分配提供参考；而U则进一步揭示了这种显著性结构自身的可靠程度，为重建过程引入了一种自适应的调节机制； 基于R和U蕴含的丰富先验，设计一种融合事件重要性和置信度感知的自适应重建损失函数，以期最大化地发掘事件流数据的语义潜力； 所述建立不确定性模型还包括： 所述自适应重建损失具体包括： 考虑事件相机数据集其中En表示第n个训练样本的事件帧序列，为其对应的真实图像； 对每个训练样本，计算其事件重要性图和不确定性图定义第n个样本的自适应重建损失为： 其中，和分别表示第n个样本的重建图像和真实图像在i,j处的取值，s·,·表示逐像素误差度量，s·,·替换为MSE损失，像素i,j处有与标准的平均损失相比，公式5引入了自适应权重项 其中，β为正则化系数，权重综合考虑了第n个样本中像素i,j处事件的重要性和可信度 步骤S3：调整网络参数进行事件流重建网络的训练和测试，从不确定性得分中筛选需要进行优化的图像。

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北京神舟航天软件技术股份有限公司，其通讯地址为：100094 北京市海淀区永丰路28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。