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！

龍圖騰網獲悉重慶郵電大學申請的專利一種基于目標和環境差異性分離和映射的陰影去除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：CN115908192B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202211620500.6，技術領域涉及：G06T5/77；該發明授權一種基于目標和環境差異性分離和映射的陰影去除方法是由黃穎;雷秀杰;錢鷹;李豪;房少杰設計研發完成，并于2022-12-15向國家知識產權局提交的專利申請。

本一種基于目標和環境差異性分離和映射的陰影去除方法在說明書摘要公布了：本發明涉及一種基于目標和環境差異性分離和映射的陰影去除方法包括：獲取第一原始圖像數據和第二原始圖像數據；其中，所述第一原始圖像數據為具有陰影的圖像數據；所述第二原始圖像數據為第一原始圖像數據對應的無陰影圖像數據；構建SRNet陰影去除模型；所述SRNet陰影去除模型包括：第一編碼器、第二編碼器、第三編碼器、第一聯合解碼器、第二聯合解碼器、第三聯合解碼器和判別器；將第一原始圖像數據和第二原始圖像數據作為訓練樣本對SRNet陰影去除模型進行訓練；獲取具有陰影的目標圖像數據，將具有陰影的目標圖像數據輸入訓練好的SRNet陰影去除模型對目標圖像數據的陰影進行去除得到目標圖像數據對應的無陰影圖像數據。

本發明授權一種基于目標和環境差異性分離和映射的陰影去除方法在權利要求書中公布了：1.一種基于目標和環境差異性分離和映射的陰影去除方法，其特征在于，包括： S1：獲取第一原始圖像數據和第二原始圖像數據；其中，所述第一原始圖像數據為具有陰影的圖像數據；所述第二原始圖像數據為第一原始圖像數據對應的無陰影圖像數據； S2：構建SRNet陰影去除模型；所述SRNet陰影去除模型包括：第一編碼器、第二編碼器、第三編碼器、第一聯合解碼器、第二聯合解碼器、第三聯合解碼器和判別器； S3：將第一原始圖像數據和第二原始圖像數據作為訓練樣本對SRNet陰影去除模型進行訓練； 所述將第一原始圖像數據和第二原始圖像數據作為訓練樣本對SRNet陰影去除模型進行訓練包括： S31：將第一原始圖像數據分別輸入第一編碼器和第二編碼器進行特征提取得到第一原始圖像數據的第一特征向量和第二特征向量； S32：將第二原始圖像數據分別輸入第二編碼器和第三編碼器進行特征提取得到第二原始圖像數據的第一特征向量和第二特征向量； S33：將第一原始圖像數據的第一特征向量和第二特征向量在通道維度上進行拼接得到第一原始圖像數據的聯合特征向量；將第二原始圖像數據的第一特征向量和第二特征向量在通道維度上進行拼接得到第二原始圖像數據的聯合特征向量； S34：利用第一聯合解碼器對第一原始圖像數據的聯合特征向量進行解碼得到第一原始仿真圖像數據；并根據第一原始仿真圖像數據和第一原始圖像數據構建第一損失函數；利用第二聯合解碼器將第二原始圖像數據的聯合特征向量進行解碼得到第二原始仿真圖像數據；并根據第二原始仿真圖像數據和第二原始圖像數據構建第二損失函數； S35：將第一原始圖像數據的聯合特征向量輸入第三聯合解碼器計算得到仿真的無陰影圖像數據；并根據仿真的無陰影圖像數據和第二原始圖像數據構建第三損失函數，從而使得第三聯合解碼器在訓練過程中分別學習到環境特征與陰影特征在陰影去除過程中的映射規則； S36：將仿真的無陰影圖像數據和第一原始圖像數據在通道維度上進行拼接作為判別器的假數據；將第一原始圖像數據和第二原始圖像數據在通道維度上進行拼接作為判別器的真實數據；并根據判別器的假數據和真實數據對判別器進行訓練； S37：將仿真的無陰影圖像數據和第二原始圖像數據在通道維度上進行拼接并將拼接后的圖像輸入判別器獲得該圖像的判別器結果，并根據該圖像的判別結果構建第四損失函數； S38：根據第一損失函數、第二損失函數、第三損失函數和第四損失函數構建SRNet陰影去除模型的損失函數并通過反向傳播機制對SRNet陰影去除模型的參數進行更新，完成SRNet陰影去除模型的訓練； S4：獲取具有陰影的目標圖像數據，將具有陰影的目標圖像數據輸入訓練好的SRNet陰影去除模型對目標圖像數據的陰影進行去除得到目標圖像數據對應的無陰影圖像數據。

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重慶郵電大學，其通訊地址為：400065 重慶市南岸區南山街道崇文路2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”。