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！

龙图腾网获悉大连理工大学申请的专利一种基于强度和区域特异性的多尺度自适应低光环境下目标检测方法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：CN119723041B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202411777256.3，技术领域涉及：G06V10/25；该发明授权一种基于强度和区域特异性的多尺度自适应低光环境下目标检测方法是由徐易;陈琪;杨楚皙;魏恒璐;刘惠;季向阳设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种基于强度和区域特异性的多尺度自适应低光环境下目标检测方法在说明书摘要公布了：本发明属于深度学习网络目标检测领域，公开了一种基于强度和区域特异性的多尺度自适应低光环境下目标检测方法。本发明通过设计拉普拉斯多尺度特征增强网络结构，显著提升了低光环境下的目标检测性能。LaMFE通过多尺度特征融合，充分利用不同尺度的信息，对低光图像进行细致优化，同时采用高效残差连接机制，提高了特征提取的效率和精度。这种设计不仅改善了低光图像的可视化质量，还显著提升了目标检测模型在复杂低光环境中的鲁棒性和准确性，使其在广泛应用场景中表现卓越。

本发明授权一种基于强度和区域特异性的多尺度自适应低光环境下目标检测方法在权利要求书中公布了：1.一种基于强度和区域特异性的多尺度自适应低光环境下目标检测方法，其特征在于，包括以下步骤： 步骤1：获取低光图像，将低光图像作为目标检测与背景增强的初始输入，经过图像增强、特征提取和目标定位处理，以提高低光条件下的目标检测性能； 步骤2：将处理后的低光图像输入预选的目标检测模型，利用目标检测模型中的特征提取模块提取多尺度特征；通过对多尺度特征的分析，在处理后的低光图像中定位潜在的目标物体，并输出检测结果，包括目标的边界框、类别标签和置信度得分，为后续任务提供基础数据； 对输入的低光图像I进行粗检测，利用目标检测模型M提取低光图像I的初步信息，具体过程表示为D＝MI，其中，D是检测结果，包括目标检测框B、目标类别标签C和置信度得分S；每个检测结果的输出形式为Di＝{Bi,Ci,Si}，其中Bi＝{xi,yi,wi,hi}表示目标检测框的位置信息，Ci表示目标类别标签，Si是目标检测模型对检测结果的置信度得分，范围在0到1之间； 步骤3：根据粗检测结果，确定低光图像I中的目标区域，并将其周围的部分定义为背景区域；通过坐标计算和图像分割技术精确划分目标区域和背景区域，仅对背景区域进行增强处理；构建拉普拉斯多尺度特征增强网络结构LaMFE，包括拉普拉斯分解结构、拉普拉斯重建结构以及用于特征提取的ResNetBlock模块；其中，ResNetBlock模块依次执行两个Block模块来提取特征，假设输入特征为x，Block模块按顺序对特征x执行组归一化、Swish激活函数、Dropout以及一个3×3卷积层得到特征x′，将特征x′再与输入特征x残差相加；在拉普拉斯分解结构中，设置分解级数m为3，通过拉普拉斯金字塔对低光图像I进行分解，将其转化为三个不同尺度的特征图I1、I2和I3，分解公式如下： I1＝I-UDGI,I2＝I1-UDGI1,I3＝DGI2 其中，G表示高斯模糊过程，D表示下采样，U表示上采样；获取特征图后，特征融合过程如下： 1将特征图I1下采样至与特征图I2尺度一致，记为特征图I1 ′，并与特征图I2一同输入ResNetBlock模块，完成特征融合和增强，得到特征图I2 ′； 2将特征图I2 ′下采样至与特征图I3尺度一致，记为特征图I2 ″，并与特征图I3一同输入ResNetBlock模块，得到融合增强的特征图I3 ′； 最后，在拉普拉斯重建结构中，逐层将I3 ′、I2 ′和I1特征图上采样，恢复到原始分辨率的图像，生成初步输出增强特征；随后，将增强特征与低光图像I进行残差相加，以保留原低光图像I的全局亮度信息，得到最终输出I′；利用拉普拉斯多尺度特征增强网络结构LaMFE对低光图像背景进行增强，提升其亮度和对比度，同时保持目标区域不变，避免特征干扰； 基于粗检测的输出结果Di＝{Bi,Ci,Si}，对低光图像I中的目标区域和背景区域进行精确划分；具体为，通过目标检测框Bi的坐标xi,yi,wi,hi，将低光图像I分为目标区域和背景区域；目标区域由检测框覆盖的部分组成，背景区域是目标区域之外的图像部分； 步骤4：将增强后的低光图像再次送入步骤2中的目标检测模型进行处理，观察背景区域增强后的目标检测效果；通过检测置信度反馈，评估当前增强是否对目标检测产生了优化效果； 步骤5：重复执行背景区域增强和粗目标检测的循环处理，共进行n次迭代；在每次迭代中，根据上一轮检测结果通过调整亮度提升因子动态调整背景区域增强的强度；通过多轮优化，逐步提高图像质量和检测性能，直至满足检测需求； 步骤6：完成n次迭代后，将优化后的图像输入精确目标检测模型进行最终检测；在增强后的图像上进行处理，从而获得更精确和稳定的目标检测结果； 将最终增强后的图像I′n输入一个高精度目标检测算法Mfinal进行最终检测，以获取准确的检测结果。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；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”。