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！

龙图腾网获悉大理大学申请的专利一种基于密度聚类与灰度变换的NSST域声呐图像去噪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：CN114494077B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202210142957.4，技术领域涉及：G06T5/70；该发明授权一种基于密度聚类与灰度变换的NSST域声呐图像去噪方法是由刘光宇;曾志勇;赵恩铭;杨燕婷;朱晓栋;胡嘉鑫;苍岩设计研发完成，并于2022-02-16向国家知识产权局提交的专利申请。

本一种基于密度聚类与灰度变换的NSST域声呐图像去噪方法在说明书摘要公布了：一种基于密度聚类与灰度变换的NSST域声呐图像去噪方法，它属于声呐图像去噪技术领域。本发明解决了现有声呐图像去噪方法存在的去噪效果差、保持边缘特征能力差以及去噪效率低的问题。本发明能够针对声呐图像对比度低、噪声干扰严重的问题进行改善，通过NSST变换对含噪声呐图像进行分解、然后运用密度聚类去除高频系数中的噪声信号，保留细节信号，对低频系数进行灰度变换，提升图像对比度，最后进行NSST逆变换，得到去噪后的声呐图像。本发明方法可以应用于对声呐图像进行去噪。

本发明授权一种基于密度聚类与灰度变换的NSST域声呐图像去噪方法在权利要求书中公布了：1.一种基于密度聚类与灰度变换的NSST域声呐图像去噪方法，其特征在于，所述方法具体包括以下步骤： 步骤一、对获取的水下含噪声呐图像进行分解，得到高频子带图像和低频子带图像，并分别计算高频子带图像和低频子带图像的NSST系数； 所述步骤一采用的方法是NSST变换； 所述步骤一的具体过程为： 步骤一一、对拉普拉斯金字塔滤波器组进行上采样操作构造二通道非下采样拉普拉斯金字塔滤波器组； 步骤一二、在剪切波的基础上，利用二通道非下采样拉普拉斯金字塔滤波器组将获取的水下含噪声呐图像分解为1层低频子带图像和4层高频子带图像，并分别对低频子带图像和各层高频子带图像进行离散傅里叶变换； 剪切波为合成小波，合成小波为： 其中，ψj，k，lx为合成小波，x为输入信号，A和B均为二维可逆矩阵，|detA|为矩阵A的行列式的值，j为尺度参数，l为几何参数，k为平移参数，Z代表整数，Aj为矩阵A的j次方，Bl为矩阵B的l次方； 所述矩阵矩阵 所述合成小波ψj，k，lx满足条件：ψj，k，lx∈L2R2且对于均保证其中，L2R2代表函数能量有限条件，||·||代表范数，·代表求内积； 步骤一三、在伪极化网格坐标系中构建剪切滤波器W； 步骤一四、将剪切滤波器W从伪极化网格坐标系映射到笛卡尔坐标系中，得到新的剪切滤波器W′； 步骤一五、将新的剪切滤波器W′分别作用到步骤一二中获得的离散傅里叶变换后的4层高频子带图像中，分别得到每层高频子带图像的方向子带； 步骤一六、分别对每层高频子带图像对应的方向子带进行逆离散傅里叶变换，得到每层高频子带图像对应的NSST系数； 对低频子带图像进行逆离散傅里叶变换，得到低频子带图像对应的NSST系数； 步骤二、分别对各层高频子带图像的NSST系数进行聚类处理，将各层高频子带图像的NSST系数中代表噪声信号的NSST系数去除，分别得到各层高频子带图像的NSST系数中代表细节信号的NSST系数； 步骤三、分别对各层高频子带图像对应的代表细节信号的NSST系数进行处理，得到各层高频子带图像对应的处理后NSST系数； 步骤四、利用灰度变换对低频子带图像的NSST系数进行灰度拉伸，获得低频子带图像对应的灰度拉伸后NSST系数； 步骤五、利用NSST逆变换对步骤三中处理后的NSST系数以及步骤四中灰度拉伸后的NSST系数进行重构，得到去噪后的声呐图像。

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大理大学，其通讯地址为：671003 云南省大理白族自治州大理市大理古城弘圣路2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。