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！

龙图腾网获悉大连海事大学申请的专利一种基于水下注意力生成对抗网络的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：CN116402709B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202310284472.3，技术领域涉及：G06T5/60；该发明授权一种基于水下注意力生成对抗网络的图像增强方法是由王宁;陈廷凯;陈延政;孔祥军设计研发完成，并于2023-03-22向国家知识产权局提交的专利申请。

本一种基于水下注意力生成对抗网络的图像增强方法在说明书摘要公布了：本发明一种基于水下注意力生成对抗网络的图像增强方法，包括以下步骤：获取待增强的水下图像；通过监督学习模式，借助于卷积神经网络提取底层和高层语义信息构建注意力生成对抗网络；将待增强的水下图像作为输入，使用生成对抗损失、损失和结构相似性损失对注意力生成对抗网络进行训练，得到训练好的构建注意力生成对抗网络，输出增强后的水下图像，通过监督学习模式，借助于卷积神经网络提取底层和高层语义信息，使得所设计的UAGAN框架具备更强的泛化性；同时，所提出的UAGAN框架可避免参数估计和水下成像建模的问题，结合位置注意力和PatchGAN技术，有助于捕获长距离依赖信息，从而可避免所生成的水下图片产生过增强现象。

本发明授权一种基于水下注意力生成对抗网络的图像增强方法在权利要求书中公布了：1.一种基于水下注意力生成对抗网络的图像增强方法，其特征在于：包括以下步骤： 获取待增强的水下图像； 通过监督学习模式，借助于卷积神经网络提取底层和高层语义信息构建注意力生成对抗网络； 所述注意力生成对抗网络借助全局最大池化和平均池化操作，结合单隐层神经网络架构，形成级联密集通道注意力模块，实现通道权重重分配； 所述级联密集通道注意力模块的输出的得到过程如下： 使用密集连接网络来提取判别性噪声特征和增强特征流动，其可以表述为： 其中：代表密集网络中第l个基础模块输出，代表原始输入特征，代表密集网络的输出，Tl·是包括批次归一化、LeakyReLU和卷积操作的非线性转换，O·表示1×1卷积操作； 通过利用全局平均池化和全局最大池化操作来获得每个特征图的统计信息，其可以表示为： 其中，h,w和c分别表示通道特征图的高度、宽度和层数，k＝1,2,…,c,代表第k个通道特征图，和分别代表全局平均池化和全局最大池化的输出； 使用两个完全独立的全连接层来计算通道权重，其表示为： 其中，*∈{GAP,GMP}，和是可学习的全连接权重参数，R·和S·分别是ReLU和Sigmoid激活函数；明显地，通道权重被限制在0,1之间； 整个级联密集通道注意力模块的输出可以表示为： 其中，是整个级联密集通道注意力模块输出； 所述注意力生成对抗网络通过结合位置注意力和PatchGAN技术，捕获长距离依赖信息； 所述注意力生成对抗网络通过位置注意力来计算任意两个非局部空间位置的交互性，其可以表示为： 其中，i＝1,2,…,n和j＝1,2,…,n，和分别表示来源于判别特征的重塑特征图，n＝hw是特征的总个数，代表位置注意力图，βj,i用来测量相同特征图中第i个和第j个位置之间的位置权重； 位置注意力可以表示为： 其中：代表所预测的第j个位置处的位置注意力特征，代表位置注意力特征图，γ是权重因子，hi和aj分别是重塑特征图和的第i和j个元素； 将待增强的水下图像作为输入，使用生成对抗损失、损失和结构相似性损失对注意力生成对抗网络进行训练，得到训练好的构建注意力生成对抗网络，输出增强后的水下图像。

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大连海事大学，其通讯地址为：116026 辽宁省大连市高新园区凌海路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。