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！

龙图腾网获悉福州大学申请的专利基于CNN的水下图像增强与复原组合优化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：CN116612034B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202310624162.1，技术领域涉及：G06T5/73；该发明授权基于CNN的水下图像增强与复原组合优化方法是由罗伟林;周欢;王鑫城;郑美城;程中博;陈磊磊;陈震煊设计研发完成，并于2023-05-30向国家知识产权局提交的专利申请。

本基于CNN的水下图像增强与复原组合优化方法在说明书摘要公布了：本发明涉及一种基于CNN的水下图像增强与复原组合优化方法，包括：制作数据集；用数据集训练基于CNN的去雾网络，得到训练好的去雾网络，作为水下去雾模块中的雾天去雾模块；将待处理的水下图像输入颜色恢复模块中，水下图像通过基于CIELab色彩模型的双通道分离颜色校正算法进行处理，得到颜色校正后的第一图像；将第一图像输入到水下去雾模块中的雾天去雾模块，通过去雾网络进行处理，得到去雾后的第二图像；将第二图像输入到水下去雾模块中的亮度均衡模块，通过CLAHE算法对第二图像的亮度通道进行处理，得到具有更均衡的亮度和更好的对比度的第三图像，即为水下图像增强与复原后的图像。该方法有利于校正水下图像存在的色偏，提高水下图像的对比度。

本发明授权基于CNN的水下图像增强与复原组合优化方法在权利要求书中公布了：1.一种基于CNN的水下图像增强与复原组合优化方法，其特征在于，通过分模块进行颜色校正和去模糊，提高水下图像的整体恢复质量，包括以下步骤： 步骤1、在户外训练集深度数据库的基础上，提取并制作成用于训练基于CNN的去雾网络的数据集； 步骤2、用得到的数据集训练构建的基于CNN的去雾网络，得到训练好的去雾网络，作为水下去雾模块中的雾天去雾模块； 步骤3、将一副待处理的水下图像输入颜色恢复模块中，水下图像通过基于CIELab色彩模型的双通道分离颜色校正算法进行处理，得到颜色校正后的第一图像； 步骤4、将步骤3得到的第一图像输入到水下去雾模块中的雾天去雾模块，通过基于CNN的去雾网络进行处理，得到去雾后的第二图像； 步骤5、将步骤4得到的第二图像输入到水下去雾模块中的亮度均衡模块，通过CLAHE算法对去雾后的第二图像的亮度通道进行处理，得到具有更均衡的亮度和更好的对比度的第三图像，所述第三图像即为水下图像增强与复原后的图像； 基于去雾网络的雾天去雾模块与运用CLAHE算法的亮度均衡模块共同构成水下去雾模块，通过联合基于CIELab色彩模型的双通道分离颜色校正算法的颜色恢复模块和水下去雾模块来实现所述水下图像增强与复原组合优化方法； 所述步骤1中，在户外训练集深度数据库的基础上通过设置不同的大气光强Acx和透射率tcx，筛选去除户外训练集中背景亮度过高的图像，得到数据集； 所述步骤2中，构建的基于CNN的去雾网络主要由主网络和副网络组成，副网络用于分担训练量，以缩短主网络的深度；用数据集训练去雾网络的具体方法为： 步骤2-1、将数据集中的图像输入去雾网络，图像被同时输入到主网络与副网络中； 步骤2-2、对于输入副网络的图像，所述副网络首先通过三种不同大小的深度可分离卷积与BMU模块相结合，以获得更大的接受域，更好地学习输入图像的全局信息；然后，所述副网络进行3×3深度可分离卷积，并使用Sigmoid激活函数压缩副网络的结果；最后把得到的三通道特征图输出到主网络，继续参与主网络的训练； 步骤2-3、输入主网络的图像首先通过一个卷积核大小为7×7的深度可分离卷积和基础注意模块BAB获得特征图一，将特征图一与副网络得到的三通道特征图拼接在一起，再通过一个卷积核大小为5×5的深度可分离卷积和基础注意模块BAB得到特征图二，然后将得到的特征图二与先前的特征图一拼接在一起，再通过一个卷积核大小为5×5的深度可分离卷积和基础注意模块BAB得到特征图三，然后将得到的特征图三与先前的特征图二拼接在一起，再依次通过通道关注模块CA、像素关注模块PA和一个卷积核大小为3×3的深度可分离卷积，得到特征图四，然后将得到的特征图四与原始图像特征拼接在一起，然后将其传入金字塔池化模块PPB，得到最终结果； 步骤2-4、计算得到的最终结果与原始无雾图像的差值平方的期望值来获得网络训练使用的损失函数为均方误差；通过观察MSE值的变化来判断网络训练的程度，MSE值越大表明网络所能达到的处理效果相对越差；通过最小化最终结果与对应的无雾真实图像之间的损耗，学习有雾图像与对应清晰图像之间的映射关系；为了避免训练后的网络泛化能力变差和过拟合情况发生，在每个Epoch结束后加入验证过程；如果在验证过程中MSE上升，即使网络继续训练能够使得训练过程的MSE值下降网络也终止训练，并保存训练好的网络参数，得到训练好的去雾网络； 所述金字塔池化模块PPB通过对传入的特征层进行尺度为4×4、8×8、16×16和32×32的全局平均池化，构建一个四尺度的池化金字塔；每个尺度池化后，特征图都经过一个1×1的卷积操作，进行跨层间通道的信息整合，然后再经过一个上采样恢复特征图到原先输入时的尺寸大小；最后将金字塔池化前后的特征图拼接起来，再添加一个3×3的卷积来对齐特征图； 所述步骤3具体包括以下步骤： 步骤3-1、将输入的图像从RGB图像转换为CIELab图像； 步骤3-2、分别求取通道a和b的中位数的通道值Ma和Mb； 步骤3-3、将通道值Ma和Mb与校正点颜色通道中间位置做差计算，得到校正值offset1和offset2，其计算公式为： Offset1＝128-Ma Ofset2＝128-Mb 步骤3-4、将a通道值fa和b通道值fb分别加上各自通道的校正值，得到处理后的a通道值fa’和b通道值fb’，其计算公式为： fa′＝fa+Ofset1 fb'＝fb+Ofset2 步骤3-5、将处理后的Lab图像转换为RGB图像输出，得到颜色平衡后的图像； 所述步骤5具体包括以下步骤： 步骤5-1、将输入图像划分为大小相等且不重叠的子图像，每个子图像含有M×M个像素； 步骤5-2、绘制每个子图像的直方图； 步骤5-3、通过对比度限制值ContrastLimit来确定子图像剪切阈值ClipLimit的大小，ClipLimit大小等于ContrastLimit与子图像的灰度值均值的乘积； 步骤5-4、对每个子图像，对子图像中灰度值超过阈值ClipLimit的像素进行重新分配； 步骤5-5、对每个子图像进行直方图均衡； 步骤5-6、重构子图像中像素的灰度值。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。