買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜西安電子科技大學(xué)申請(qǐng)的專利基于Transformer網(wǎng)絡(luò)的噪聲估計(jì)圖像增強(qiáng)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(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115965555B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-23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(qǐng)?zhí)?專利號(hào)為：202310042018.7，技術(shù)領(lǐng)域涉及：G06T5/60；該發(fā)明授權(quán)基于Transformer網(wǎng)絡(luò)的噪聲估計(jì)圖像增強(qiáng)方法是由張靜;曾繁玉;張治成;賈佳;李云松設(shè)計(jì)研發(fā)完成，并于2023-01-28向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于Transformer網(wǎng)絡(luò)的噪聲估計(jì)圖像增強(qiáng)方法在說明書摘要公布了：本發(fā)明提出了一種基于Transformer網(wǎng)絡(luò)的噪聲估計(jì)圖像增強(qiáng)方法。本發(fā)明構(gòu)建特征提取分解子網(wǎng)絡(luò)，利用卷積算子提取圖像的局部信息，并且結(jié)合Transformer的全局建模能力，充分地發(fā)揮模型的表達(dá)能力，更好地提取圖像特征，解決了現(xiàn)有技術(shù)僅依賴卷積層堆疊的參數(shù)冗余以及容易造成梯度消失的問題，本發(fā)明能夠精確地保留圖像細(xì)節(jié)，恢復(fù)出更加清晰的圖像。本發(fā)明設(shè)計(jì)的噪聲估計(jì)優(yōu)化子網(wǎng)絡(luò)對(duì)噪聲進(jìn)行擬合估計(jì)，采用殘差結(jié)構(gòu)進(jìn)行去噪優(yōu)化，簡單有效地去除了增強(qiáng)后圖像中的噪聲，使得本發(fā)明能快速有效地進(jìn)行去噪，且增強(qiáng)后圖像變得更加平滑，提高了視覺效果和圖像質(zhì)量。

本發(fā)明授權(quán)基于Transformer網(wǎng)絡(luò)的噪聲估計(jì)圖像增強(qiáng)方法在權(quán)利要求書中公布了：1.一種基于Transformer網(wǎng)絡(luò)的噪聲估計(jì)圖像增強(qiáng)方法，其特征在于，構(gòu)建基于Transformer的特征提取分解網(wǎng)絡(luò)，以及噪聲估計(jì)優(yōu)化網(wǎng)絡(luò)；該圖像增強(qiáng)方法的步驟包括如下：步驟1，生成訓(xùn)練集：選取至少500張含有噪聲的低光照度圖像，將每張圖像裁剪為128*128大小的圖像塊，對(duì)每個(gè)圖像塊進(jìn)行數(shù)據(jù)增廣，再將增廣后的所有圖像塊轉(zhuǎn)換為3*128*128的張量形式，將所有張量形式的圖像塊組成訓(xùn)練集；步驟2，構(gòu)建基于Transformer的特征提取分解子網(wǎng)絡(luò)：搭建由第一卷積層，第一Transformer層，第二Transformer層，第三Transformer層，第二卷積層、除法器依次串聯(lián)組成的特征提取分解子網(wǎng)絡(luò)；第一、第二卷積層的激活函數(shù)分別采用ReLU函數(shù)和Sigmoid函數(shù)實(shí)現(xiàn)，卷積核的尺寸分別設(shè)置為3*3和1*1，步長均設(shè)置為1；第一至第三Transformer層的通道數(shù)均設(shè)置為16；步驟3，構(gòu)建噪聲估計(jì)優(yōu)化子網(wǎng)絡(luò)：步驟3.1，搭建由第一卷積層、第二卷積層串聯(lián)組成的噪聲估計(jì)模塊，第一、第二卷積層的激活函數(shù)均采用ReLU函數(shù)，卷積核尺寸分別設(shè)置為3*3和1*1，步長均設(shè)置為1；步驟3.2，搭建由第一卷積層、第二卷積層、通道注意力層串聯(lián)組成的優(yōu)化模塊；第一、第二卷積層的激活函數(shù)均采用ReLU函數(shù)，卷積核尺寸均設(shè)置為3*3，步長均設(shè)置為1；通道注意力層的通道數(shù)設(shè)置為16；步驟3.3，搭建由乘法器、卷積層、相加器串聯(lián)組成的融合模塊，卷積層的激活函數(shù)采用ReLU函數(shù)，卷積核尺寸設(shè)置為1*1，步長設(shè)置為1；步驟3.4，將噪聲估計(jì)模塊與優(yōu)化模塊并聯(lián)后再與融合模塊串聯(lián)組成噪聲估計(jì)優(yōu)化子網(wǎng)絡(luò)；步驟4，將特征提取分解子網(wǎng)絡(luò)與噪聲估計(jì)優(yōu)化子網(wǎng)絡(luò)串聯(lián)組成增強(qiáng)網(wǎng)絡(luò)；步驟5，訓(xùn)練增強(qiáng)網(wǎng)絡(luò)：將訓(xùn)練集輸入到增強(qiáng)網(wǎng)絡(luò)中，利用反向傳播算法進(jìn)行梯度下降，迭代更新增強(qiáng)網(wǎng)絡(luò)的參數(shù)，直到增強(qiáng)網(wǎng)絡(luò)的損失函數(shù)收斂為止，得到訓(xùn)練好的增強(qiáng)網(wǎng)絡(luò)；步驟6，對(duì)低光照?qǐng)D像進(jìn)行圖像增強(qiáng)：采用與步驟1相同的方式，對(duì)待增強(qiáng)的低光照?qǐng)D像進(jìn)行裁剪、增廣處理后，輸入到訓(xùn)練好的增強(qiáng)網(wǎng)絡(luò)中，進(jìn)行圖像增強(qiáng)，輸出正常光照的圖像。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人西安電子科技大學(xué)，其通訊地址為：710071 陜西省西安市太白南路2號(hào)；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)”。