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！

龍圖騰網恭喜福州大學申請的專利基于CNN-Transformer混合建模及雙邊交互的低照度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：CN116703783B 。

龍圖騰網通過國家知識產權局官網在2025-05-23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：202310859559.9，技術領域涉及：G06T5/92；該發明授權基于CNN-Transformer混合建模及雙邊交互的低照度圖像增強方法是由牛玉貞;許瑞;李悅洲;林曉鋒設計研發完成，并于2023-07-13向國家知識產權局提交的專利申請。

本基于CNN-Transformer混合建模及雙邊交互的低照度圖像增強方法在說明書摘要公布了：本發明涉及一種基于CNN?Transformer混合建模及雙邊交互的低照度圖像增強方法。包括：對輸入圖像進行預處理，包括圖像配對、裁剪和數據增強處理，以得到訓練數據集；設計一個基于CNN?Transformer的低照度圖像交互增強網絡，該網絡由輸入映射模塊、L個交互增強塊和輸出映射模塊組成；設計用于訓練步驟B中所設計網絡的損失函數；使用訓練數據集訓練基于CNN?Transformer的低照度圖像交互增強網絡；將待測圖像輸入到該網絡中，利用訓練好的網絡生成正常照度圖像。本發明利用CNN?Transformer混合建模方法，通過雙邊交互促進局部感知和全局感知模塊之間相互促進、互補，能夠在低照度條件下更好地增強圖像的細節和亮度、改善全局一致性問題，進一步提高圖像增強的效果。

本發明授權基于CNN-Transformer混合建模及雙邊交互的低照度圖像增強方法在權利要求書中公布了：1.基于CNN-Transformer混合建模及雙邊交互的低照度圖像增強方法，其特征在于，包括如下步驟：步驟A、對輸入圖像進行預處理，包括圖像配對、裁剪和數據增強處理，以得到訓練數據集；步驟B、設計一個基于CNN-Transformer的低照度圖像交互增強網絡，基于CNN-Transformer的低照度圖像交互增強網絡由輸入映射模塊、L個交互增強塊和輸出映射模塊組成；步驟C、設計用于訓練步驟B中所設計網絡的損失函數；步驟D、使用訓練數據集訓練基于CNN-Transformer的低照度圖像交互增強網絡；步驟E、將待測圖像輸入到該網絡中，利用訓練好的網絡生成正常照度圖像；所述步驟B具體實現步驟如下：步驟B1、設計輸入映射模塊，核心包含兩個卷積單元，每個單元由一個卷積核大小為3×3、步長為1的卷積層、一個ReLu激活函數和一個雙線性下采樣層依次構成，實現對低照度輸入圖像的特征提取，提取的特征表示為其中H和W分別為低照度圖像的高和寬，D表示為總的下采樣倍率，C表示為提取特征的通道數；步驟B2、設計交互增強塊，由局部感知增強模塊、全局感知增強模塊、局部至全局的交互操作以及全局至局部的交互融合模塊構成，通過混合建模及雙邊交互的方式對低照度圖像進行增強；對于步驟B1提取的特征Xin，經過L個交互增強塊得到增強后的特征表示為可用公式描述為： 其中，IEB表示交互增強塊，表示交互增強塊的堆疊處理；步驟B3、設計輸出映射模塊，核心包含兩個卷積單元，每個單元由一個雙線性上采樣層、一個卷積核大小為3×3、步長為1的卷積層和一個ReLu激活函數依次構成；對于步驟B1提取的特征Xin，通過殘差連接的方式與步驟B2的輸出特征Xout相加作為該模塊的輸入，重建為3通道圖像步驟B4、對于步驟B3重建的特征與輸入特征Iin通過殘差連接的方式相加，得到增強后的3通道圖像，表示為

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福州大學，其通訊地址為：350108 福建省福州市閩侯縣福州大學城烏龍江北大道2號福州大學；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”。