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！

龙图腾网获悉崂山国家实验室申请的专利基于视觉-文本融合的水下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：CN120634934B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202511127097.7，技术领域涉及：H04N5/325；该发明授权基于视觉-文本融合的水下图像增强方法及系统是由王浩;高爽;董彦凯;黄贤青;李楠设计研发完成，并于2025-08-13向国家知识产权局提交的专利申请。

本基于视觉-文本融合的水下图像增强方法及系统在说明书摘要公布了：本申请属于水下图像增强技术领域，涉及一种基于视觉‑文本融合的水下图像增强方法及系统，方法的步骤为：构建基于视觉‑文本融合的增强网络；增强网络包括用以对图像进行处理生成增强图像的生成器和用以判定图像是真实图像还是生成器生成图像的判别器，生成器包括高速图像生成扩散模型和基于对比语言‑图像预训练模型的文本编码器，高速图像生成扩散模型中的编码器、U‑net模块、解码器依次顺序连接，文本编码器生成用于U‑net模块调节的文本嵌入；将待增强水下图像输入至增强网络得到水下增强图像。本申请利用高速图像生成扩散模型的推理能力和强大先验知识实现视觉‑文本融合，从而达到高效处理和零样本泛化，稳定性强，确保视觉质量。

本发明授权基于视觉-文本融合的水下图像增强方法及系统在权利要求书中公布了：1.一种基于视觉-文本融合的水下图像增强方法，其特征在于，其步骤为： 网络构建步骤：构建基于视觉-文本融合的增强网络；所述增强网络包括生成器和判别器，所述生成器用以对图像进行处理生成增强图像，所述判别器用以判定图像是真实图像还是生成器生成的图像；所述生成器包括高速图像生成扩散模型和基于对比语言-图像预训练模型的文本编码器，高速图像生成扩散模型中的编码器、U-net模块、解码器依次顺序连接，文本编码器生成用于U-net模块调节的文本嵌入； 图像增强步骤：将待增强的水下图像输入至所述增强网络得到水下增强图像； 所述生成器和所述判别器均设有两个；所述构建基于视觉-文本融合的增强网络的方法为： 图像获取步骤：获取任意水下图像和无水条件下的任意自然图像； 图像处理步骤：将水下图像输入第一生成器，以第一文本提示作为条件输入第一生成器生成增强图像；将自然图像输入第二生成器，以第二文本提示作为条件输入第二生成器生成虚拟水下图像；所述第一文本提示表示这是一张无水图像，所述第二文本提示表示这是一张水下图像； 图像重建步骤：将增强图像输入第二生成器，以第二文本提示作为条件输入第二生成器得到重建水下图像；将虚拟水下图像输入第一生成器，以第一文本提示作为条件输入第一生成器得到重建自然图像； 小波变换步骤：通过离散小波变换将增强图像和虚拟水下图像分别分解为保留图像颜色分布和整体结构信息的低频分量和捕捉图像细节和边缘纹理的高频分量； 约束步骤：通过颜色损失函数约束所述低频分量，通过细节损失函数约束所述高频分量，通过对抗损失函数区分真实图像与生成图像，通过循环一致性函数约束图像与重建图像的一致性，通过恒等损失函数约束生成器输入与输出的匹配度，直至达到设定约束条件； 所述生成器的总损失函数表示为： 式中，为生成器的总损失函数，为平衡颜色损失函数的权重系数，为颜色损失函数，为平衡细节损失函数的权重系数，为细节损失函数，为平衡对抗损失函数的权重系数，为对抗损失函数，为平衡循环一致性损失函数的权重系数，为循环一致性损失函数，为平衡恒等损失函数的权重系数，为恒等损失函数； 所述颜色损失函数表示为： 其中： 式中，为从两个输入中选取大值的最大值函数，为自然图像的红-绿通道、红-蓝通道及绿-蓝通道之间的软分配颜色直方图平均相似度之和，为自然图像的红-绿通道之间的软分配颜色直方图平均相似度，为自然图像的红-蓝通道之间的软分配颜色直方图平均相似度，为自然图像的绿-蓝通道之间的软分配颜色直方图平均相似度；为水下图像的红-绿通道、红-蓝通道及绿-蓝通道之间的软分配颜色直方图平均相似度之和，为水下图像的红-绿通道之间的软分配颜色直方图平均相似度，为水下图像的红-蓝通道之间的软分配颜色直方图平均相似度，为水下图像的绿-蓝通道之间的软分配颜色直方图平均相似度； 所述细节损失函数表示为： 其中： 式中，、、为权重系数，分别用于平衡增强图像细节损失、虚拟水下图像损失和总变分正则化的贡献；为增强图像的预定义目标值，为虚拟水下图像的预定义目标值；为高频分量中的像素总数；为总变分正则化项； 所述对抗损失函数表示为： 式中，为第一判别器，为第二判别器； 所述循环一致性损失函数表示为： 其中： 式中，表示重建损失函数，为处理后的图像，为目标图像，为平衡差异损失的权重系数，为平衡学习感知图像块相似度损失的权重系数，为平衡结构相似性指数损失的权重系数； 所述恒等损失函数表示为： 所述判别器的总损失函数表示为： 。

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崂山国家实验室，其通讯地址为：266237 山东省青岛市即墨区问海中路168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”。

以上内容由龙图腾AI智能生成。