西安理工大學金海燕獲國家專利權
買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!
龍圖騰網獲悉西安理工大學申請的專利高頻紋理重建的弱光圖像增強方法獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN117058041B 。
龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202311107766.5,技術領域涉及:G06T5/70;該發明授權高頻紋理重建的弱光圖像增強方法是由金海燕;張錦;蘇浩楠;張園林;肖照林;王彬設計研發完成,并于2023-08-30向國家知識產權局提交的專利申請。
本高頻紋理重建的弱光圖像增強方法在說明書摘要公布了:本發明公開了一種高頻紋理重建的弱光圖像增強方法,采用SGHFP集成CNN模塊和Transformer模塊,使網絡同時關注圖像高頻信息的局部和全局信息,最終將網絡輸出特征融合為高頻信息重建圖像,通過動態調整損失函數的權重,避免手工賦值,以約束網絡達到最優的融合結果,從弱光環境中的可見光圖像出發得到最終增強圖像,且增強圖像具有更加豐富的細節信息和更加清晰的結構輪廓。本發明解決了現有技術中存在的增強算法并不容易得到一個清晰、邊緣輪廓結構明顯和去噪結果優異的圖像的問題。
本發明授權高頻紋理重建的弱光圖像增強方法在權利要求書中公布了:1.高頻紋理重建的弱光圖像增強方法,其特征在于,具體按照以下步驟實施: 步驟1、設計一個圖像頻率分解模塊IFD,通過對輸入的低照度圖像X進行頻率分解,分解圖像的高頻信息Y H和低頻信息Y L兩部分,分別對這兩部分頻率信息進行增強處理操作; 步驟2、設計基于Unet網絡的信噪比感知模塊SNRP,信噪比感知模塊將對輸入的低頻圖像信息進行處理,得到去噪后的圖像低頻信息Y d和生成低頻圖像的信噪比映射圖M; 步驟3、設計基于CNN和Transformer的信噪比引導的高頻信息重建網絡SGHFR,通過該網絡得到輸入圖像高頻信息的圖像的局部特征Y 1和全局特征Y 2,深層次提取高頻圖像信息的特征; 步驟4、設計高頻特征融合模塊FCT,將圖像的局部特征Y 1和全局特征Y 2有選擇性的融合在一起,得到增強后的高頻信息重建圖像Y; 步驟5、設計融合頻率模塊Fusion,將最終高頻信息重建圖像Y和去噪后的圖像低頻信息Y d進行融合,得到最后的圖像增強結果Y output; 步驟6、基于CNN和Transformer的圖像頻率分解弱光增強方法搭建神經網絡,進行訓練1500個Epoch,驗證訓練結果,保存神經網絡的模型; 步驟7、測試步驟6保存的神經網絡的模型,加載步驟6訓練好的網絡模型,將測試集輸入到訓練好的網絡模型中,之后對測試的結果進行保存,得到增強圖像; 采用SGHFP集成CNN模塊和Transformer模塊,使網絡同時關注圖像高頻信息的局部和全局信息,最終將網絡輸出特征融合為高頻信息重建圖像,通過動態調整損失函數的權重,避免手工賦值,以約束網絡達到最優的融合結果,從弱光環境中的可見光圖像出發得到最終增強圖像,且增強圖像具有更加豐富的細節信息和更加清晰的結構輪廓。
如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人西安理工大學,其通訊地址為:710048 陜西省西安市碑林區金花南路5號;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。