Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国科学技术大学;国营芜湖机械厂陈怀安获国家专利权

中国科学技术大学;国营芜湖机械厂陈怀安获国家专利权

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!

龙图腾网获悉中国科学技术大学;国营芜湖机械厂申请的专利图像增强方法、装置、电子设备及存储介质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:CN116703745B

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:202310424938.5,技术领域涉及:G06T5/94;该发明授权图像增强方法、装置、电子设备及存储介质是由陈怀安;金一;刘天乐;范鑫设计研发完成,并于2023-04-17向国家知识产权局提交的专利申请。

图像增强方法、装置、电子设备及存储介质在说明书摘要公布了:本发明提供一种图像增强方法、装置、电子设备及存储介质,获取待处理的单张低光图像;将待处理的单张低光图像输入至图像增强网络中,该图像增强网络是通过定义先验引导的正则化损失对零样本学习增强器训练得到的;获取图像增强网络针对所述待处理的单张低光图像所输出的预期曝光图像。本发明提出一种灵活、可控的零样本学习增强器,可以学习预期曝光图像,只需要单张低光图像本身,而不依赖于训练数据的统计特征,因此对真实场景具有良好的泛化能力,相应的,基于零样本学习增强器所构建的图像增强网络,只需要输入单张低光图像进行训练,就能学习到预期曝光图像。

本发明授权图像增强方法、装置、电子设备及存储介质在权利要求书中公布了:1.一种图像增强方法,其特征在于,所述方法包括: 获取待处理的单张低光图像; 将所述待处理的单张低光图像输入至图像增强网络中,所述图像增强网络是通过定义先验引导的正则化损失对零样本学习增强器训练得到的; 获取所述图像增强网络针对所述待处理的单张低光图像所输出的预期曝光图像; 其中,通过定义先验引导的正则化损失对零样本学习增强器训练得到所述图像增强网络的过程包括: 构建所述零样本学习增强器: 其中,;为输出的预期曝光图像;为输出的光照比映射、满足分段平滑约束,,L为照度图、为期望的照度;为输入的单张低光图像,,为反射率图;为输出的噪声图;、、分别为输出的预期曝光图像、光照比映射和噪声图各自的正则化项;、、分别为、、各自的平衡权重,设置为1、设置为0.5、设置为0.1;、、分别为纹理正则项、颜色正则项、照度正则项; 构建所述零样本学习增强器的损失函数: 其中,为总体损失函数;为重建损失,;是照度图的正则化损失,,为梯度算子,为平衡因子,设置为10;为噪声图的正则化损失,,为计算输入均值的函数;为纹理损失,,为特征提取器、为光照变换、为去噪操作,为可学习的因子;为颜色损失,, ,,为像素到像素的转换函数、与为可学习的参数,为计算输入方差的函数;为对应的、、通道,为对应的、、通道;为用于增强图像色彩的常量参数,设置为0.025;为用于决定图像颜色级别的常量参数,设置为0.32;为权重参数,设置为0.3;为照度损失,,为从输入图像生成局部图像的操作,为图像块数,为用于平衡预期曝光图像局部对比度的参数,设置为2;为设置在[0.25,0.75]范围内的常量参数; 通过迭代优化所述零样本学习增强器的损失函数,对所述零样本学习增强器进行训练,并将训练后的所述零样本学习增强器作为所述图像增强网络。

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科学技术大学;国营芜湖机械厂,其通讯地址为:230026 安徽省合肥市包河区金寨路96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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。