买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉咸阳师范学院申请的专利一种无人机低空摄影图像增强方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120107113B 。

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510600901.2，技术领域涉及：G06T5/73；该发明授权一种无人机低空摄影图像增强方法及系统是由李萌设计研发完成，并于2025-05-12向国家知识产权局提交的专利申请。

本一种无人机低空摄影图像增强方法及系统在说明书摘要公布了：本发明公开了一种无人机低空摄影图像增强方法及系统，方法包括数据准备、运动联合去模糊优化、多源数据配准、场景自适应增强和图像综合增强；本发明涉及无人机图像增强技术领域，融合惯性测量单元引导的模糊核预测、跨模态图结构匹配与弹性变换优化、以及基于场景解析的增强策略动态调节机制，实现了无人机图像的高精度去模糊、精准配准与自适应视觉增强，显著提升了图像清晰度、结构一致性与场景可读性，适用于复杂低空飞行环境下的图像处理任务。

本发明授权一种无人机低空摄影图像增强方法及系统在权利要求书中公布了：1.一种无人机低空摄影图像增强方法，其特征在于：该方法包括以下步骤： 步骤S1：数据准备，得到无人机低空摄影图像优化数据； 步骤S2：运动联合去模糊优化，采用结合物理约束和惯性测量单元引导的神经模糊核预测方法，进行运动联合去模糊优化，得到去模糊优化图像数据，包括以下步骤： 步骤S21：运动轨迹建模，具体为通过惯性测量单元进行无人机的角速度和线加速度数据采集，并通过卡尔曼滤波消除速度数据噪声，通过构建六自由度运动方程，进行无人机运动微分轨迹建模，通过参数化拟合，得到平滑优化运动状态特征数据； 步骤S22：模糊核预测，具体为依据所述平滑优化运动状态特征数据，构建长短期记忆模糊核网络融合模型，并结合物理约束损失进行模糊核预测，得到物理约束去模糊预测数据； 所述长短期记忆模糊核网络融合模型，包括运动编码器、空间注意力机制块和模糊物理约束损失函数； 所述运动编码器，具体采用标准双向长短期记忆神经网络，依据所述平滑优化运动状态特征数据，进行无人机运动特征时序提取； 所述模糊物理约束损失函数，引入运动能量守恒损失项作为模型损失函数； 步骤S23：物理约束重建，具体为依据所述物理约束去模糊预测数据，构建非均匀模糊退化模型，进行物理约束重建，得到物理重建特征干预数据，并通过构建改进U型网络，依据联合损失函数，进行物理约束图像重建模型训练，并结合所述物理重建特征干预数据，使用所述物理约束图像重建模型，进行去模糊优化图像的重建，得到去模糊优化图像输出； 所述非均匀模糊退化模型，用于重建图像在空间上呈现局部均匀但整体不均匀模糊的结构； 所述改进U型网络，包括多级下采样编码器、解码器和联合损失函数； 所述多级下采样编码器，具体采用五级下采样结构，通过3×3卷积和运动特征拼接层，接收并融合所述物理约束去模糊预测数据中的特征； 所述解码器，引入可变性卷积适应运动畸变，并通过标准跳跃连接设计优化注意力特征感知； 步骤S24：运动联合去模糊，具体为对所述去模糊优化图像输出执行边缘锐化，得到去模糊优化图像数据； 步骤S3：多源数据配准，采用结合跨光谱特征注意力匹配的弹性变换改进配准方法，进行多源数据配准，得到像素对齐增强数据，包括以下步骤：步骤S31：跨模态特征提取；步骤S32：图结构匹配；步骤S33：弹性变换优化；步骤S34：多源数据配准； 步骤S4：场景自适应增强，采用结合场景感知增强的动态物理模型耦合增强方法，进行场景自适应增强，得到场景自适应增强图像数据，包括以下步骤：步骤S41：场景解析改进；步骤S42：区域特性量化分析；步骤S43：动态场景增强；步骤S44：场景自适应图像增强； 步骤S5：低空摄影图像增强，得到无人机低空摄影综合增强图像数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人咸阳师范学院，其通讯地址为：712000 陕西省咸阳市文林路；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。