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！

龙图腾网获悉宜宾电子科技大学研究院申请的专利一种基于参数估计的微光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：CN116681608B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202310615248.8，技术领域涉及：G06T5/70；该发明授权一种基于参数估计的微光图像增强方法是由于力;熊啸宇;彭超;何建设计研发完成，并于2023-05-29向国家知识产权局提交的专利申请。

本一种基于参数估计的微光图像增强方法在说明书摘要公布了：该发明公开了一种基于参数估计的微光图像增强方法，属于计算机视觉、机器学习等领域。利用深度可分离卷积和倒残差结构优化网络的参数，保证了网络对通道和空间维度特征的提取的能力，同时降低了卷积操作的计算量和参数量。然后，利用能捕获特征全局信息的缩放点注意力机制估计了颜色校正矩阵和伽马校正参数，实现了对最终成像质量的整体优化。网络训练过程中，本发明使用了像素级差异的L2损失和认知级差异的多权重的感知损失。本发明在LoL数据集上的实验表明，当倒残差结构的扩张率为1.5时能在LoL数据集上达到最优的性能。

本发明授权一种基于参数估计的微光图像增强方法在权利要求书中公布了：1.一种基于参数估计的微光图像增强方法，该方法采用微光图像增强网络对输入的微光图像进行增强；所述微光图像增强网络包括：像素级分量估计分支和整体优化分支； 所述像素级分量估计分支包括结构相同的第一分支和第二分支，所述第一或第二分支由输入到输出依次包括：第一卷积模块、N个倒残差结构、第二卷积模块，额外的所述第二卷积模块的输入为第一卷积模块的输出与N个倒残差结构的输出进行残差连接；所述第一分支的输入为微光图像增强网络的输入，第二分支的输入为第一分支的输出与微光图像增强网络的输入进行点乘后再与微光图像增强网络的输入进行拼接的结果；所述像素级分量估计分支的输出为第一分支的输出与第二分支的输出相加的结果； 所述整体优化分支包括：第三卷积模块、第四卷积模块、第一全连接层、第二全连接层、缩放注意力模块、第三全连接层、层标准化、第四全连接层、激活函数、第五全连接层、第一卷积层和第二卷积层；整体优化分支的输入为微光图像增强网络的输入与像素级分量估计分支的输出的拼接结果；所述整体优化分支的输入依次经过第三卷积模块、第四卷积模块然后分别输出给第一全连接层、第二全连接层；所述缩放注意力模块的输入包括：第一全连接层的输出、第二全连接层的输出和查询参数；该查询参数用于限定整体优化分支输出值的数量；所述缩放注意力模块的输出依次经过第三全连接层、层标准化、第四全连接层、激活函数、第五全连接层；第三全连接层的输出与地五全连接层的输出进行残差连接后再与一个3x3的单位矩阵和一个尺寸为1的值进行相加；对相加的结果拆分为一个3x3的矩阵和一个尺寸为1的值；3x3的矩阵输入给第一全连接层，尺寸为1的值输入给第二全连接层；所述整体优化分支的输出为像素级分量估计分支的输出与第一全连接层的输出进行矩阵相乘后再与第二全连接层的输出进行伽马变换后的结果，即为微光图像增强网络的输出； 所述微光图像增强网络的损失如下： ； ； ； 其中，代表微光增强网络得到的预测图像与LOL数据集中对应的高亮度图像像素差异的损失，代表LOL数据集中对应的高亮度图像，代表微光增强网络得到的预测图像，，，分别代表真实图像的高、宽、通道数，上标表示对应图像特征在RGB空间的坐标值，，，分别代表VGG-16层输出特征的高、宽、通道数，为VGG-16网络层的序号，代表VGG-16网络第层的输出，代表利用VGG-16得到的感知损失。

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宜宾电子科技大学研究院，其通讯地址为：644000 四川省宜宾市宜宾市临港经济开发区港园路西段9号208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。