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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉重慶理工大學(xué)申請的專利深度卷積注意力和多尺度特征融合的低光圖像增強方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116091357B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-01發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202310139997.8，技術(shù)領(lǐng)域涉及：G06T5/70；該發(fā)明授權(quán)深度卷積注意力和多尺度特征融合的低光圖像增強方法是由王勇;袁鑫林;李彥;陳瑜;李邑靈;崔修濤設(shè)計研發(fā)完成，并于2023-02-20向國家知識產(chǎn)權(quán)局提交的專利申請。

本深度卷積注意力和多尺度特征融合的低光圖像增強方法在說明書摘要公布了：本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種深度卷積注意力和多尺度特征融合的低光圖像增強方法。本發(fā)明設(shè)計了一種新的低光注意力模塊和一個多尺度特征補償模塊，LLAB由低光多頭自注意力模塊、雙分支均衡模塊和兩個歸一化層組成，低光多頭自注意力模塊被設(shè)計用來提取不同通道的語義信息，并通過計算通道間的注意力圖來均衡不同通道間的特征權(quán)重，從而提升圖像的能見度和對比度；雙分支均衡模塊進一步提升圖像的對比度；提出了多尺度特征補償模塊用于彌補圖像在低光注意力模塊和下采樣階段細節(jié)信息的丟失，并融合不同尺度圖像的深層空間信息。最終經(jīng)過實驗，本發(fā)明的方法能夠得到視覺效果較好的圖像。

本發(fā)明授權(quán)深度卷積注意力和多尺度特征融合的低光圖像增強方法在權(quán)利要求書中公布了：1.一種深度卷積注意力和多尺度特征融合的低光圖像增強方法，其特征在于：所述方法包括以下步驟：構(gòu)建配對的數(shù)據(jù)集，所述數(shù)據(jù)集包括低光照圖像和正常光照圖像，每張低光照圖像對應(yīng)同一場景的正常光照圖像；以正常光照圖像為參考圖像，通過Embedding模塊，提取低光照圖像的淺層特征；將所述淺層特征輸入DAMFFN編碼器中，所述DAMFFN編碼器包括LLAB模塊、下采樣模塊和MSFCB模塊；所述LLAB模塊包括LL-MSAB模塊和DBWEB模塊；通過LL-MSAB模塊，提取低光照圖像的語義信息，并均衡不同通道間的特征權(quán)重，以提升圖像的能見度；所述LL-MSAB模塊包括深度卷積、通道注意力機制、通道注意力圖，所述LL-MSAB模塊使用深度卷積提取出不同通道的語義信息和局部特征，增大圖像的局部對比度，使圖像的紋理更加清晰；其次，LL-MSAB模塊中的通道注意力機制通過提取全局特征計算得到通道注意力圖；最后，使用通道注意力圖均衡圖像矩陣不同通道之間的特征權(quán)重；通過DBWEB模塊，提高低光照圖像的對比度；所述DBWEB模塊包括兩支1x1卷積層和3x3深度卷積層、Sigmoid激活函數(shù)、1x1卷積層，將輸入圖像復(fù)制成兩份，分別通過兩支1x1卷積層和3x3深度卷積層，將其中一個分支經(jīng)過Sigmoid激活函數(shù)處理的結(jié)果和另一個分支處理的結(jié)果進行點乘，將點乘的結(jié)果通過一個1x1卷積層，得到DBWEB的輸出；通過MSFCB模塊，修復(fù)圖像質(zhì)量，補償丟失的細節(jié)信息；所述MSFCB模塊包括三個MSC模塊，三個MSC模塊的輸入特征矩陣均為DAMFFN編碼器的第一個LLAB模塊的輸出；3個MSC模塊的輸出特征矩陣大小各不相同，MSC模塊的輸出特征矩陣還分別和DAMFFN編碼器對應(yīng)下采樣的結(jié)果相加，完成不同尺度特征的融合；在DAMFFN解碼器中，通過多尺度頻域損失函數(shù)減小增強圖像和參考圖像在頻域空間上的差異；輸出最終增強的低光圖像。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人重慶理工大學(xué)，其通訊地址為：400054 重慶市巴南區(qū)紅光大道69號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。