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！

龙图腾网获悉中国民用航空飞行学院;浙江大学申请的专利一种基于稀疏性的低照度条件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：CN120387960B 。

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：202510481322.0，技术领域涉及：G06T5/90；该发明授权一种基于稀疏性的低照度条件下图像增强方法及系统是由李诚龙;郑远;田俊;张宇;屈若锟设计研发完成，并于2025-04-17向国家知识产权局提交的专利申请。

本一种基于稀疏性的低照度条件下图像增强方法及系统在说明书摘要公布了：本发明公开了一种基于稀疏性的低照度条件下图像增强方法及系统，其涉及图像处理技术领域。本发明考虑图像的稀疏性，结合注意力机制和前馈神经网络，构建低照度无人机图像增强模型，可有效提取低照度条件下的无人机图像的特征和细节，解决无人机图像颜色失真或缺少细节的问题，提高增强后的无人机图像的图像质量和清晰度，有利于对无人机的识别、检测或监控等，辅助对无人机的进一步利用；本发明的系统结构简单，构建对应的低照度无人机图像增强模型，实现对低照度条件下的无人机图像的有效增强，改善无人机夜间图像质量。

本发明授权一种基于稀疏性的低照度条件下图像增强方法及系统在权利要求书中公布了：1.一种基于稀疏性的低照度条件下图像增强方法，其特征在于，包括： S1、获取待增强的低照度无人机图像；所述低照度无人机图像为在低照度条件下无人机拍摄的图像； S2、对待增强的低照度无人机图像进行预处理； S3、基于图像稀疏性，构建低照度无人机图像增强模型； S4、将预处理后的低照度无人机图像输入至低照度无人机图像增强模型，输出得到增强后的无人机图像； 所述低照度无人机图像增强模型包括串联的背景建模-细节恢复子模型、全局特征融合模块、Conv3层；所述背景建模-细节恢复子模型包括七个背景建模-细节恢复子模块，分别作为第一背景建模-细节恢复子模块至第七背景建模-细节恢复子模块；每个背景建模-细节恢复子模块均包括依次串联的位置编码子模块、卷积-自注意力子模块和前馈神经网络子模块；所述卷积-自注意力子模块包括并行的空洞卷积层和第二稀疏self-attention自注意力层；所述空洞卷积层包括串联的DilatedConv3层和第一激活层； 所述低照度无人机图像增强模型的训练过程包括： S3-1、获取低照度无人机训练图像及其标签，采用与S2相同的方法对低照度无人机训练图像进行预处理，得到预处理后的低照度无人机训练图像； S3-2、将预处理后的低照度无人机训练图像及其标签输入至背景建模-细节恢复子模型，输出得到第一训练特征图数据、第二训练特征图数据、第三训练特征图数据和第四训练特征图数据； S3-3、将第一训练特征图数据、第二训练特征图数据、第三训练特征图数据和第四训练特征图数据输入至全局特征融合模块，输出得到融合训练特征图数据； S3-4、将融合训练特征图数据输入至Conv3层，输出得到卷积后的融合训练特征图数据； S3-5、将卷积后的融合训练特征图数据和预处理后的低照度无人机训练图像进行相加，输出得到增强后的无人机训练图像； S3-6、基于增强后的无人机训练图像，构建对应的训练损失函数； S3-7、基于训练损失函数，利用反向传播方法计算低照度无人机图像增强模型的梯度，并利用Adam优化算法调整低照度无人机图像增强模型的参数； S3-8、重复S3-1至S3-7，直至训练误差小于误差阈值或达到预设的迭代次数，完成对低照度无人机图像增强模型的训练。

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中国民用航空飞行学院;浙江大学，其通讯地址为：618307 四川省德阳市广汉市南昌路四段46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。