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！

龙图腾网获悉中国铁道科学研究院集团有限公司铁道建筑研究所;中国铁道科学研究院集团有限公司申请的专利一种基于频带分解的声呐图像去噪及桥梁基础冲刷坑特征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：CN120725915B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202510888041.7，技术领域涉及：G06T5/70；该发明授权一种基于频带分解的声呐图像去噪及桥梁基础冲刷坑特征重建方法是由向琪芪;郭辉;苏永华;班新林;左照坤;张正阳;李彬洋;鞠晓臣;陈令康;王亚伟设计研发完成，并于2025-06-30向国家知识产权局提交的专利申请。

本一种基于频带分解的声呐图像去噪及桥梁基础冲刷坑特征重建方法在说明书摘要公布了：本发明公开了一种基于频带分解的声呐图像去噪方法，包括以下步骤：S1：获取声呐图像；S2：通过NSCT域分解将声呐图像分解为低频图像和高频子带图像；S3:对低频图像进行去噪，得到低频滤波结果；S4:对每个高频子带图像进行基于边缘检测的联合去噪，得到高频去噪结果；S5：根据低频滤波结果和损失高频去噪结果，得到NSCT重构图像；本发明能够对声呐图像进行有效去噪，从而有助于提高特征提取及重建的效率和准确性。

本发明授权一种基于频带分解的声呐图像去噪及桥梁基础冲刷坑特征重建方法在权利要求书中公布了：1.一种基于频带分解的声呐图像去噪方法，其特征在于，包括以下步骤： S1：获取声呐图像； S2：通过NSCT域分解将所述声呐图像分解为低频图像和高频子带图像； S3:对所述低频图像进行去噪，得到低频滤波结果；对所述低频图像的去噪方法采用三维块匹配滤波算法，在采用所述三维块匹配滤波算法进行去噪时，采用欧式距离与结构相似性的混合距离度量各图像块与参考块之间的相似性；所述混合距离的计算式为： ； ； 其中，SSIM为结构相似性，为混合距离，、分别表示参考块P和候选块Q的均值，、分别表示参考块P和候选块Q的方差，表示参考块P和候选块Q的协方差，、表示两个常数，避免分母为0，与依次默认为0.01和0.03，L表示图像像素值的范围，为自适应权重系数； S4:对每个所述高频子带图像进行基于边缘检测的联合去噪，得到高频去噪结果；步骤包括： S41:高频子带去噪处理； 对低频滤波结果进行Canny算子边缘检测，然后将边缘检测的结果分别与每一个高频子带进行卷积处理，该过程会将图像中处边缘和纹理之外的噪点全部去除，能够有效去除高频子带中的噪声，同时保留更多边缘信息；具体的步骤如下：使用高斯滤波进行图像预处理，采用Sobel算子预先计算每一个像素点的梯度和大小，利用非极大值抑制进行边缘细化，应用改进后的双阈值优化算法，得到最优阈值，使用高低双阈值检测算法找出图像边缘； S42：任意方向的非极大值抑制； 像素点为离散点，通过插值的方式计算该点在任意方向上的梯度；如果该像素点的梯度为沿正负梯度方向上的局部最大值，则保留该像素点，否则抑制； 其中，F表示当前像素点，α表示计算梯度的方向，则在其正负方向的像素点和的梯度线性插值： ； ； 式中表示像素F在Y和X方向的梯度幅值的比值； S43：双阈值OTSU； 定义三分类问题：我们的目的是寻找到两个阈值，将梯度幅值分为三类，分别是背景、弱边缘和强边缘； S44:最大化三分类的类间方差； 根据OTSU准则，将图像分为三类，是类间方差达到最大的阈值，即为最优阈值，设总均值为，背景类、弱边缘类和强边缘类的图像分别用、和来表示，分别计算其类概率和均值，类间方差的计算表达式为： ； 其中是梯度幅值i的概率； 背景类： ； 弱边缘类： ； 强边缘类： ； 类间方差： ； 通过遍历所有可能的和组合，使得类间方差最大的值即为最优阈值； S5：根据所述低频滤波结果和损失高频去噪结果，得到NSCT重构图像。

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中国铁道科学研究院集团有限公司铁道建筑研究所;中国铁道科学研究院集团有限公司，其通讯地址为：100081 北京市海淀区大柳树路2号二区303幢；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。