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)恭喜南京信息工程大學申請的專利一種基于曲線學習和Transformer的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：CN114881873B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-06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：202210411643.X，技術領域涉及：G06T5/92；該發(fā)明授權(quán)一種基于曲線學習和Transformer的圖像增強方法是由李春雨;鄭鈺輝設計研發(fā)完成，并于2022-04-19向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于曲線學習和Transformer的圖像增強方法在說明書摘要公布了：本發(fā)明公開了一種基于曲線學習和Transformer的圖像增強方法。本發(fā)明以基于學習的方式提取低照度圖像的特征，并自動生成像素變換曲線，實現(xiàn)圖像亮度的增強和局部對比度的拉伸。將曲線變換抽象成像素的對應變換，以8位數(shù)字圖像為例，它的像素范圍為0~255的整數(shù)，像素的對應則可以表示為256維的向量。為了提高圖像的自然性，在損失函數(shù)中加入對改向量的一維拉普拉斯正則項，保證變換曲線的平滑性和單調(diào)性，使得變換后的像素大小關系仍保持不變。此外，為了減少增強圖像中的噪聲，引入BM3D去噪算法，根據(jù)可以一定程度上反應噪聲識別的變換曲線的斜率，對不同的區(qū)域施以不同的程度的去噪，更好地去除增強圖像中的噪聲。

本發(fā)明授權(quán)一種基于曲線學習和Transformer的圖像增強方法在權(quán)利要求書中公布了：1.一種基于曲線學習和Transformer的圖像增強方法，其特征在于，包括以下步驟：步驟1，將低照度圖像增強具化為低照度圖像到正常光照圖像的對應像素映射；步驟2，構(gòu)建VisionTransformer的網(wǎng)絡模型，提取低照度圖像中局部特征以及全局的關系；步驟3，獲取低照度圖像中像素值等于指定值的所有坐標，然后取出在對應正常光照圖像這些坐標上所有像素，并以這些像素中出現(xiàn)頻率最高的值作為低照度圖像中指定像素增強后所對應的參考像素值；步驟4，使用L1-Loss作為主損失函數(shù)，并添加輸出向量，即像素對應關系的二階梯度正則；在LOLdataset數(shù)據(jù)集上訓練深度網(wǎng)絡模型直至收斂；步驟5，將需要增強的低照度圖像輸入訓練好的網(wǎng)絡模型中，輸出像素變換曲線，使用該曲線對輸入的低照度圖像進行變換，得到增強圖像；步驟6，結(jié)合BM3D去噪算法，以步驟5中模型輸出的像素變換曲線的梯度和像素值為參考，對步驟5中的增強圖像各區(qū)域進行不同程度的去噪處理；所述步驟2中具體步驟如下：21將低照度圖像切分為不同的圖像塊，并將每個圖像塊展平為一維向量，每個向量加上位置編碼，并拼接上一個可訓練的像素映射向量；22輸入VisionTransformer主體框架中，利用多頭注意力機制學習低照度圖像的特征與不同圖像塊之間的關系；最后提取出像素映射向量，作為網(wǎng)絡的輸出結(jié)果；所述步驟4中具體步驟如下：41用表示深度網(wǎng)絡模型的輸出，即像素的映射關系，M表示模型訓練的參考值，計算兩個向量的L1-Loss作為主損失函數(shù)項，并添加的拉普拉斯正則，如下式所示： 其中，和M為一維向量，表示所提出網(wǎng)絡模型輸出的像素變換曲線；分別表示和M的第i元素，為的前一個元素和后一個元素；42在公開數(shù)據(jù)集LOLDataset上訓練深度網(wǎng)絡，對損失函數(shù)進行反向傳播，使得網(wǎng)絡逐漸收斂。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人南京信息工程大學，其通訊地址為：224002 江蘇省鹽城市鹽南高新區(qū)新河街道文港南路105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)”。