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！

龙图腾网获悉西安建筑科技大学申请的专利一种非均匀光照多光谱成像数据的约束校正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：CN119477771B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202411349130.6，技术领域涉及：G06T5/90；该发明授权一种非均匀光照多光谱成像数据的约束校正方法是由王可;李嘉琛;王慧琴设计研发完成，并于2024-09-26向国家知识产权局提交的专利申请。

本一种非均匀光照多光谱成像数据的约束校正方法在说明书摘要公布了：本发明提供了一种非均匀光照多光谱成像数据的约束校正方法，包括：步骤一，成像数据引入。步骤二，暗噪声去除。步骤三，区域自适应的非均匀光照图像校正：步骤四，基于光谱先验约束的全局校正：将将步骤三得到的校正多通道光谱图像作为整体输入增加光谱先验约束的光照不均全局校正模型，进行全局校正，得到校正后的多光谱成像数据。本发明的非均匀光照多光谱成像数据的约束校正方法在后续文物光谱图像分类中效果最佳，能为文物的研究与保护分析提供可靠的多光谱数据。本发明的非均匀光照多光谱成像数据的约束校正方法，能有效校正由于光照不均引起的光谱漂移问题，并约束多成像通道间的光谱相关性和一致性。

本发明授权一种非均匀光照多光谱成像数据的约束校正方法在权利要求书中公布了：1.一种非均匀光照多光谱成像数据的约束校正方法，其特征在于，该方法包括以下步骤： 步骤一，成像数据引入； 步骤二，暗噪声去除； 根据环境暗噪声对图像进行环境暗噪声去除，得到原始多通道光谱图像Ix,y； 步骤三，区域自适应的非均匀光照图像校正： 步骤301，根据步骤二得到的原始多通道光谱图像Ix,y，采用基于局部像素线性关系的引导滤波的多尺度Retinex模型计算得到引导滤波估计的原光照分量Lx,y； 步骤302，基于步骤301中得到的引导滤波估计的原光照分量Lx,y，对图像进行区域分割，针对图像中的每个区域的亮度特征，采用动态调整的伽马校正方法，实现过亮区域和过暗区域的平衡处理，得到自适应伽马校正后的光照分量Lgx,y； 所述的动态调整的伽马校正方法中采用伽马校正参数γx,y； 所述的伽马校正参数γx,y的计算方法为： 式中： μi为第i区域内光照分量均值； σi为第i区域内光照分量方差； 步骤303，使用CLAHE算法增强步骤302中得到的自适应伽马校正后的光照分量Lgx,y的对比度和细节清晰度，得到增强后的自适应伽马校正后的光照分量Lcx,y； 步骤304，将步骤303得到的增强后的自适应伽马校正后的光照分量Lcx,y与所述的引导滤波估计的原光照分量Lgx,y进行加权融合，得到最终的光照校正分量Lenhancement： 步骤305，基于光照校正分量Lenhancement得到校正多通道光谱图像； 步骤四，基于光谱先验约束的全局校正： 步骤401，基于步骤二得到的原始多通道光谱图像Ix,y，引入取样点的标准光谱反射率，构建线性回归模型； 步骤402，融合结构特征与空间域光谱特征，构建损失函数L； 所述的损失函数L的表达式为： 式中： α1和α2为平衡损失函数L的空间结构项和光谱梯度项的正则化参数； 为损失函数L的空间结构项； 为损失函数L的光谱梯度项； 为第i行中的16维标准光谱数据； yi为线性回归模型输出的第i行16维光谱数据； ‖·‖F为弗罗贝尼乌斯范数； SSIM·为结构相似性计算； 为第i行16维标准光谱数据的光谱梯度； 为线性回归模型输出的第i行16维光谱梯度； 步骤403，基于损失函数L的最小化，对线性回归模型进行优化，得到最优的线性回归模型，即为增加光谱先验约束的光照不均全局校正模型； 所述的增加光谱先验约束的光照不均全局校正模型为： 式中： Ix,y为原始多通道光谱图像； fc·为CLAHE算法操作； fgid·为多尺度引导滤波光照分量估计操作； W为N×N大小的回归系数矩阵； B为n×N的列向量； n为样本的总数； N为通道的总数； γ为伽马校正参数γx,y； 步骤404，将将步骤三得到的校正多通道光谱图像作为整体输入所述的增加光谱先验约束的光照不均全局校正模型，进行全局校正，得到校正后的多光谱成像数据。

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西安建筑科技大学，其通讯地址为：710055 陕西省西安市雁塔路13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。