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！

龙图腾网获悉长春师范大学申请的专利一种基于光流对齐与深度特征融合的多帧光声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：CN121437686B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202512022996.7，技术领域涉及：G06T12/30；该发明授权一种基于光流对齐与深度特征融合的多帧光声图像重建方法是由孙秋成;袁云;范木杰;王春艳;孙明玉设计研发完成，并于2025-12-30向国家知识产权局提交的专利申请。

本一种基于光流对齐与深度特征融合的多帧光声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光流对齐与深度特征融合的多帧光声图像重建方法，所述方法包括如下步骤：步骤S1、光声信号数据获取；步骤S2、光声断层图像重建；步骤S3、光流计算与图像对齐；步骤S4、深度特征融合网络训练。本发明通过光流运动校正与潜在空间学习机制，动态整合对齐后的多帧图像中的时空信息与互补特征，自适应地融合多帧图像中的互补信息并抑制噪声，最终实现对生物组织的高信噪比与高空间分辨率图像的重建。实验结果表明，该方法能够显著提升图像质量，恢复因运动和噪声导致的图像失真与细节缺失，为推动光声成像技术的稳健临床应用提供了新的有效方案。

本发明授权一种基于光流对齐与深度特征融合的多帧光声图像重建方法在权利要求书中公布了：1.一种基于光流对齐与深度特征融合的多帧光声图像重建方法，其特征在于所述方法包括如下步骤： 步骤S1、光声信号数据获取； 步骤S2、光声断层图像重建； 步骤S3、光流计算与图像对齐： 步骤S3-1、计算光流场：从初始图像序列中选定一帧作为参考图像，基于光流法计算其余目标图像与参考图像之间的光流场，具体步骤如下： 输入参考图像和目标图像，使用二次多项式对每个像素邻域进行建模：进行多项式展开，为两幅图像中的每个像素点局部拟合一个二次多项式，形式如下： ； 其中，为局部坐标下的坐标，是对称矩阵，是向量，是标量，表示转置操作； 在构建的图像金字塔上进行由粗到精的估算，从最粗层级开始，假设一个初始位移场，在每一层级上，基于多项式系数在运动下应保持不变的原理，通过求解由邻域内所有像素构建的加权最小二乘系统，来求解每个像素的位移向量，该过程满足亮度恒定约束： ； 其中，为参考图像在全局空间坐标和时刻的像素亮度，为目标图像在对应移动后位置的像素亮度，是像素在图像中的全局空间坐标，为当前图像帧的时间，分别是像素在两帧间的横向与纵向位移量； 通过迭代优化不断更新位移场，以最小化两图像间的强度差异，其目标函数为： ； 其中，参考图像在像素的亮度值；目标图像在偏移后位置的亮度值；代表像素的索引；寻找使误差最小的位移； 将该层级估算的光流上采样至预设定的层级数作为初始值，重复上述优化过程，直到达到原始分辨率，最终，输出一个稠密光流场； 步骤S3-2、图像对齐：将计算得到的光流场作用于各目标图像，进行几何变换，从而得到与参考图像在空间上严格对齐的图像序列； 步骤S4、深度特征融合网络训练： 步骤S4-1、数据准备：将对齐后的目标图像与参考图像进行通道合并，并进行归一化处理，形成网络输入； 步骤S4-2、金字塔编码器训练； 步骤S4-3、VAE编码器训练； 步骤S4-4、融合层网络训练：融合层网络接收来自VAE编码器的所有潜在嵌入变量，通过具有密集连接和反射填充结构的卷积层进行信息整合，输出一个统一的、信息丰富的融合潜在表示，具体步骤如下： 多潜在变量拼接：将个输入潜在嵌入变量沿通道维度拼接： ； 其中，是将多个潜在嵌入变量沿通道维度拼接后的结果，表示通道数的总和，代表输出特征图的空间尺寸； 密集连接融合网络：采用层密集连接结构进行特征融合： ； ； 其中，表示网络总层数，取值为5，代表当前层的索引，为第层包含卷积与批量归一化的卷积操作，为LeakyReLU激活函数，为第层的输出特征图，最终，融合潜在变量特征为： ； 其中，是最终融合特征； 潜在变量特征压缩为单一潜在变量：通过多层卷积将融合特征压缩为目标维度： ； ； 其中，为压缩网络的总层数，代表当前压缩层的索引，第层用于特征压缩的卷积操作，经过第层压缩后得到的中间特征，最终得到融合后的单一潜在变量： ； 其中，最终输出的、压缩后的单一潜在变量，即最后一层输出； 步骤S4-5、U-Net解码器训练； 步骤S4-6、损失函数计算：损失函数由结构相似性损失、均方误差损失和KL散度损失三部分组成； 步骤S4-7、优化过程：采用Adam优化器，通过最小化损失函数，对金字塔编码器、VAE编码器、融合层网络及U-Net解码器的参数进行联合优化。

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师范大学，其通讯地址为：130000 吉林省长春市长吉北线677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。