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！

龙图腾网获悉西南大学申请的专利基于信噪比引导的噪声自适应网络的低光照图像增强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：CN120163720B 。

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：202510214699.X，技术领域涉及：G06T5/60；该发明授权基于信噪比引导的噪声自适应网络的低光照图像增强方法是由王丽丹;王懿斐;段书凯设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本基于信噪比引导的噪声自适应网络的低光照图像增强方法在说明书摘要公布了：一种基于信噪比引导的噪声自适应网络的低光照图像增强方法，包括1：构建基于SNA‑Net网络的低光照图像增强系统；2：图像获取模块获取低光照图像；3：SNA‑Net的输入层获取低光照图像，传递给CNN编码器、SNA编码器和信噪比图计算模块；4：信噪比图计算模块对低光照图像进行计算得到信噪比图；5：CNN编码器对低光照图像进行短距离编码得到短距离特征；SNA编码器对低光照图像进行长距离编码得到长距离特征；6：卷积残差块对短距离特征进行卷积残差操作得到卷积残差数据；特征融合模块将短距离特征和长距离特征进行特征融合操作得到融合特征；7：CNN解码器对卷积残差数据和融合特征进行解码操作，得到增强图像。效果：能够在低光条件下进行清晰的图像增强。

本发明授权基于信噪比引导的噪声自适应网络的低光照图像增强方法在权利要求书中公布了：1.一种基于信噪比引导的噪声自适应网络的低光照图像增强方法，其特征在于，包括以下步骤： 步骤1：构建基于信噪比引导的噪声自适应网络的低光照图像增强系统，所述低光照图像增强系统设置有图像获取模块和信噪比引导的噪声自适应网络SNA‑Net，所述信噪比引导的噪声自适应网络SNA‑Net设置有输入层，该输入层的输出端连接CNN编码器、SNA编码器和信噪比图计算模块的输入端，所述CNN编码器、SNA编码器和信噪比图计算模块的输出端均与特征融合模块的输入端相连接，所述CNN编码器的输出端还经卷积残差块连接CNN解码器的输入端，所述CNN解码器的输入端还与所述特征融合模块的输出端相连接； 步骤2：所述图像获取模块获取低光照图像I，并传递给信噪比引导的噪声自适应网络SNA‑Net； 步骤3：所述信噪比引导的噪声自适应网络SNA‑Net的输入层获取所述低光照图像I，并传递给CNN编码器、SNA编码器和信噪比图计算模块； 步骤4：所述信噪比图计算模块对所述低光照图像I进行计算，得到对应的信噪比图S，然后将所述信噪比图S传递给特征融合模块和SNA编码器； 步骤5：所述CNN编码器对所述低光照图像I进行短距离编码，以捕获所述低光照图像I的局部信息，得到短距离特征数据ai，并传递给特征融合模块和卷积残差块； 所述SNA编码器采用所述信噪比图S作为先验知识计算出自注意力分数，然后对所述低光照图像I进行长距离编码，过滤掉噪声和冗余信息，得到长距离特征数据bi，并传递给特征融合模块； 步骤6：所述卷积残差块对所述短距离特征数据ai进行卷积残差操作，得到卷积残差数据d，并传递给CNN解码器； 所述特征融合模块将所述短距离特征数据ai和长距离特征数据bi进行特征融合操作，得到融合特征数据ci，并传递给CNN解码器； 步骤7：所述CNN解码器对所述卷积残差数据d和融合特征数据ci进行解码操作，得到增强图像

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南大学，其通讯地址为：400715 重庆市北碚区天生路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”。

以上内容由龙图腾AI智能生成。