一种基于散斑相关与迁移学习的实时成像方法及系统

本发明公开了一种基于散斑相关与迁移学习的实时成像方法及系统，实时成像方法包括：构建源域数据集用于预训练；构建目标域数据集用于微调；分别训练预训练网络与微调网络；构建完备散斑重建模型；测试阶段，实时重建，本发明针对现有深度学习成像方法的不足，通过结合数据模型与物理模型，提高了模型的泛化能力，采用迁移学习策略充分发挥预训练阶段的数据优势，还通过将预训练与微调解耦为独立模块，增强了系统的灵活性与扩展性，基于Transformer架构的神经网络能够捕获并解析复杂特征，实现高保真重建，并在测试阶段，每张图像的平均重建时间低于100毫秒，满足视频流实时成像需求，适用于复杂水下成像和浑浊水体监测等场景。

《一种基于散斑相关与迁移学习的实时成像方法及系统》是一发明专利，专利号为 2024118648154，当前法律状态为已下证，由杭州电子科技大学提出申请，发明人为崔光茫;廖福;赵巨峰;崔伟泽，申请日期为2024-12-18，公开（公告）日期为2025-10-17，国际专利分类号（IPC）为 G06T 11/00 (2006.01)，高新资质：未报高企，所属技术领域包括：（散斑相关、迁移学习、Transformer、实时成像、图像重建、预训练微调、水下成像、浑浊水体监测、深度学习、高保真重建）。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种基于散斑相关与迁移学习的实时成像方法及系统，实时成像方法包括：构建源域数据集用于预训练；构建目标域数据集用于微调；分别训练预训练网络与微调网络；构建完备散斑重建模型；测试阶段，实时重建，本发明针对现有深度学习成像方法的不足，通过结合数据模型与物理模型，提高了模型的泛化能力，采用迁移学习策略充分发挥预训练阶段的数据优势，还通过将预训练与微调解耦为独立模块，增强了系统的灵活性与扩展性，基于Transformer架构的神经网络能够捕获并解析复杂特征，实现高保真重建，并在测试阶段，每张图像的平均重建时间低于100毫秒，满足视频流实时成像需求，适用于复杂水下成像和浑浊水体监测等场景。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！