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！

龍圖騰網恭喜南京信息工程大學申請的專利基于傅里葉變換Transformer網絡的低光圖像增強方法及裝置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：CN117808710B 。

龍圖騰網通過國家知識產權局官網在2025-03-21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：202311847371.9，技術領域涉及：G06T5/77；該發明授權基于傅里葉變換Transformer網絡的低光圖像增強方法及裝置是由姜勝芹;張浩哲;張道龍;劉青山設計研發完成，并于2023-12-29向國家知識產權局提交的專利申請。

本基于傅里葉變換Transformer網絡的低光圖像增強方法及裝置在說明書摘要公布了：本發明公開了一種基于傅里葉變換Transformer網絡的低光圖像增強方法及裝置，本發明首先獲取若干低光圖像及對應的參考標準圖像，并對低光圖像進行預處理，之后構建傅里葉變換Transformer網絡，再將預處理后的低光圖像和對應的正常光圖像作為樣本，對所述傅里葉變換Transformer網絡進行訓練；最后將待增強的低光圖像輸入訓練好的傅里葉變換Transformer網絡，得到增強后的圖像。本發明可以對低光圖像甚至極低光圖像進行圖像增強，增強后的圖像效果相比現有技術更好。

本發明授權基于傅里葉變換Transformer網絡的低光圖像增強方法及裝置在權利要求書中公布了：1.基于傅里葉變換Transformer網絡的低光圖像增強方法，其特征在于，該方法包括：S1：獲取若干低光圖像及對應的參考標準圖像；S2：對低光圖像進行數據預處理；S3：構建傅里葉變換Transformer網絡，所述傅里葉變換Transformer網絡是U型結構網絡，包括Transformer層、下采樣層和上采樣層，每個Transformer層包括基于傅里葉變換的多頭注意力模塊、局部特征增強的前饋網絡，所述基于傅里葉變換的多頭注意力模塊用于提取低光圖像的全局信息以初步恢復亮度，所述局部特征增強的前饋網絡提取低光圖像的局部信息進一步恢復圖像的紋理特征；S4：將S2預處理后的低光圖像和對應的正常光圖像作為樣本，對所述傅里葉變換Transformer網絡進行訓練；S5：將待增強的低光圖像輸入訓練完成的傅里葉變換Transformer網絡，得到增強后的圖像；所述S3中的基于傅里葉變換的多頭注意力模塊具體包括：傅里葉變換層，用于對低光圖像特征進行傅里葉變換，將其從空間域轉換到頻域上；頻域特征提取器，由兩個卷積層、一個激活函數和一個用于融合特征的卷積層組成，用于提取頻域特征；多頭注意力單元，用于把所述頻域特征提取器的頻域特征作為查詢和關鍵字，計算低光圖像的頻域特征注意力圖，令空間域上的特征和頻域特征注意力圖做矩陣乘法，以提取低光圖像的全局特征；位置編碼層，由兩個卷積層和一個激活函數組成，用于記錄特征的相對位置信息；所述傅里葉變換層通過以下公式實現： Xu,v＝RXu,v+jIXu,v式中，F·表示傅里葉變換函數將輸入特征x轉換到頻域X上，H和W分別是輸入特征x的長和寬，h,w是空間域上的坐標，u,v是頻域上的坐標，j是虛數單位，R·和I·分別為Xu,v的實部和虛部；所述頻域特征提取器通過以下公式實現：R'＝φ1R，I'＝φ2IFfreq＝convcatR',I'式中，φ1·和φ2·分別表示對實部和虛部處理的帶有一個激活函數的兩個卷積層，R'代表處理后的實部，I'代表處理后的虛部，cat·是沿通道維進行特征聚合操作，conv是一個卷積層，完成特征融合操作，Ffreq代表所述頻域特征提取器提取到的頻域特征；所述多頭注意力單元通過以下公式實現： 式中，WQ,WK,WV表示全連接層的可學習參數，Τ表示矩陣轉置，Q是查詢，K是關鍵字，V是值，α是一個可學習的參數，softmax表示SoftMax函數，x是輸入特征，Ffreq代表所述頻域特征提取器提取到的頻域特征。

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南京信息工程大學，其通訊地址為：210044 江蘇省南京市江北新區寧六路219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”。