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！

龙图腾网获悉华北水利水电大学申请的专利一种水域自适应水下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：CN117078556B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202311115642.1，技术领域涉及：G06T5/60；该发明授权一种水域自适应水下图像增强方法是由王青正;李宾;吴慧欣设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本一种水域自适应水下图像增强方法在说明书摘要公布了：本发明公开了一种水域自适应水下图像增强方法，该方法包含以下步骤：1基于多组卷积和稀疏网格注意力的特征提取方法，对输入水下图像进行编码，获得局部细节和全局色彩轮廓信息的编码特征；2将水下环境的域间差异构建为水域分类问题，利用不同水域间的差异性信息生成对水域敏感特征，实现不同水域的图像增强；3基于水域敏感特征生成的增强图像，使用聚合损失和多阶段训练策略约束增强结果，实现高质量水下图像增强。本发明所提出的水域自适应方法，充分利用了不同水域的域间差异，以及局部和全局信息的差异性，实现了自适应的、高质量的水下图像增强。

本发明授权一种水域自适应水下图像增强方法在权利要求书中公布了：1.一种水域自适应水下图像增强方法，其特征在于：包括以下步骤： 步骤1、基于多组卷积和稀疏网格注意力的特征提取方法：使用卷积操作对输入图像进行初步处理，对于输入的特征，使用多组卷积使模型聚焦局部细节，增强局部特征模型对布局特征的感知能力，利用稀疏网格注意力建模全局信息，保留全局色彩轮廓，利用最大池化实现特征在空间维度的下采样，获得编码特征； 所述步骤1的具体内容如下： 对于输入的退化的水下图像，首先使用两层卷积层实现对输入数据的初步处理和特征提取，且对特征中局部和全局信息采用不同的手段进行关注； 对于特征中的局部信息，利用基于多组卷积局部特征提取方法获得，将输入特征在通 道维度均匀划分多个分组，每个分组包含相同通道数的输入，将卷积核按照输出通道数划 分为多个分组，每个分组包含和通道数相同的卷积核，对于每组数据，使用对应的卷积核进 行卷积操作，对于编码网络中的第层，多组卷积表示如下： 其中，为多组卷积操作，由多个单组卷积操作组成，为当前 层输入，为在通道维度划分的组数，为输入特征的连续子集， 为在通道维度串联组特征，利用批量正则化和ReLU激活函数防止梯度消失和梯度爆炸，为点卷积操作； 对于特征中的全局信息，利用稀疏网格注意力特征提取方法获得，将经过多组卷积操 作的特征作为该阶段输入特征，使用固定大小为的网格将 特征网格并块化为特征大小为，获得具有全局信息的窗口特征，在该窗口 内执行多头注意力操作，以获取全局信息，多头注意力操作定义如下： 其中，,,，为 转置操纵，为注意力头的数量，，为比例因子，为非线性映射 函数，为归一化操作，对于编码网络中的第层，一个完整的稀疏网格注意力操作流程如下： 其中，为对特征的先网格化后块化的操作，为正则化操作，为前馈层，为将特征返回至形状大小的操作，通过对特征执行卷积映射和最大池 化操作进行下采样，得到特征； 上述步骤迭代四次得到信息更加丰富、全面的编码特征； 步骤2、基于水下环境域间差异的水域自适应方法：通过步骤1编码特征，利用分类网络和交叉熵损失函数约束，获得输入图像的水域类型，从水类型分类网络提取水域相关特征，结合编码特征，使用空间和通道维度的融合策略，获得对水域敏感特征； 所述步骤2的具体内容如下： 利用一个由卷积神经网络搭建的水类型分类器，获取步骤1获得的编码特征的水域信息，表示如下： 其中，为水域分类网络，为非线性映射，为最大池化操作，该分类 网络具有两个输出； 其中，为正确水类型，为预测水类型，当时，，否则，为水类型的 数量； 其中，为生成水域敏感特征的映射过程，为反卷积操作，生成的水域敏感 特征，用于指导编码网络在对应的水域中重建水下图像； 步骤3、基于水域敏感特征诱导和聚合损失函数的图像增强：通过步骤2获得的水域敏感特征，使用步骤1所提出的特征提取方法，结合Bicubic算法插值实现特征在空间维度的上采样，使用聚合损失函数约束增强结果，并利用多阶段训练策略增强模型的鲁棒性； 所述步骤3的具体内容如下： 使用和编码网络对称的解码网络重建清晰的水下图像，除利用步骤1提出的特征提 取方法解码信息外，还利用双线性差值实现特征的上采样，利用跳跃连接将解码阶段的输 入和编码阶段对应层的输出在通道维度进行串联，被用于避免信息丢失，对于解码阶段的 第层，解码过程如下： 对输出特征执行双线性差值上采样，获得当前解码层输出； 重复迭代上述操作四次，得到特征，利用卷积映射得到通道数为3，宽高和输入图像 相等的增强水下图像，利用聚合损失约束增强图像，聚合损失如下： 其中，分别清晰图像，、和为权重项，为重建损失，为梯度损失，，、和分别表示增强图像和 清晰图像在RGB颜色空间中各个颜色通道之间的差值，。

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华北水利水电大学，其通讯地址为：450000 河南省郑州市郑东新区金水东路136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。