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！

龙图腾网获悉武汉纺织大学申请的专利一种基于深度曲线估计的图像曝光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：CN116389913B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202310367728.7，技术领域涉及：H04N23/76；该发明授权一种基于深度曲线估计的图像曝光校正方法是由罗航;胡新荣;彭涛;梁金星;颜小运;柳正利设计研发完成，并于2023-04-07向国家知识产权局提交的专利申请。

本一种基于深度曲线估计的图像曝光校正方法在说明书摘要公布了：本发明公开了一种基于深度曲线估计的图像曝光校正方法。首先，构造成对的图像曝光校正数据集，由人工使用相机确定最优曝光设置拍摄图像，并应用图像后期处理软件将RAW格式的最优曝光图像以不同曝光度渲染，得到过曝光和欠曝光图像；然后，基于所构建的数据集，训练一个深度曲线估计网络，以确定图像特有曝光校正曲线的参数设置；最后，将深度曲线估计网络所估计出的参数，代入由伽马变换与逻辑斯谛函数所构成的复合曝光校正模型中，使用该模型实现图像曝光的校正。本发明所提出的图像曝光校正方法实现了通用准确的图像曝光校正，在国际通用的数据集上，与其它方法进行了主、客观比较，结果表明本方法可得到更为优越的曝光校正效果。

本发明授权一种基于深度曲线估计的图像曝光校正方法在权利要求书中公布了：1.一种基于深度曲线估计的图像曝光校正方法，其特征在于，包括以下步骤： 步骤1，利用相机采集图像，并使用图像后期处理软件以不同的曝光度渲染图像，得到具备不同曝光度图像的数据集，具体包括以下步骤： 步骤1.1，人工使用相机采集最优曝光图像； 步骤1.2，使用图像后期处理软件渲染出不同曝光度的图像； 步骤2，构建并训练一个深度曲线估计模型，具体包括以下步骤： 步骤2.1，图像预处理； 步骤2.2，基于卷积神经网络，构建用于提取图像特征的特征提取模块； 步骤2.3，组合特征提取模块与单个神经网络，构建用于估计伽马校正参数的伽马估计模块； 步骤2.4，组合特征提取模块与两个神经网络，构建用于估计逻辑斯蒂函数参数的逻辑斯蒂估计模块； 步骤2.4中，逻辑斯蒂函数估计模块的构造方式如下； 逻辑斯谛估计模块用来估计逻辑斯谛函数的中点与坡度，其结构包括：特征提取模块、估计坡度的神经网络及估计中点的神经网络；其中，估计坡度的神经网络由一个有着1000个节点的隐藏层和一个仅含一个节点的输出层构成，隐藏层后接一个双曲正切函数来进行非线性映射，其节点的响应在训练中以P%的概率被摒弃；由于逻辑斯蒂函数坡度的取值并没有任何约束，因此网络输出层的输出为原始线性映射的结果，P为设置的常数； 估计中点的神经网络同样由一个有若干个节点的隐藏层和一个仅含一个节点的输出层构成，且隐藏层后接一个双曲正切函数来进行非线性映射，节点的响应在训练中以P%的概率被摒弃，输出层会被施加一次Sigmoid非线性映射，将结果映射到开区间0,1内； 步骤2.5，合并伽马估计模块与逻辑斯蒂估计模块，建立深度曲线估计模型，具体方式如下； 采取串联的方式将伽马估计模块.和逻辑斯蒂估计模块合并起来，深度曲线估计模型的输入图像表示为I，则合并后深度曲线估计模型的整体运算流程为： 1； 其中为伽马估计模块的输出，与分别对应逻辑斯蒂估计模块所估计出的中点和坡度，为深度曲线估计模型中间所输出的亮度补偿结果，为深度曲线估计模型的输出，即深度曲线估计模型最终完成对比度增强的结果； 步骤2.6，建立复合损失函数并优化深度曲线估计模型； 步骤3，估计图像曝光校正曲线的参数，利用由伽马变换和逻辑斯蒂函数复合而成的图像曝光校正模型，校正图像的曝光，具体包括以下步骤： 步骤3.1，应用深度曲线估计模型估计图像曝光校正曲线的参数； 步骤3.2，建立由伽马变换及逻辑斯蒂函数复合而成的图像曝光校正模型，校正图像曝光。

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武汉纺织大学，其通讯地址为：430073 湖北省武汉市洪山区纺织路1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。