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 > 大连理工大学傅世林获国家专利权

大连理工大学傅世林获国家专利权

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!

龙图腾网获悉大连理工大学申请的专利基于事件与图像双向协同引导的低光照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:CN120852257B

龙图腾网通过国家知识产权局官网在2026-02-24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:202511021448.6,技术领域涉及:G06T5/90;该发明授权基于事件与图像双向协同引导的低光照增强方法是由傅世林;张亮;王鹏飞;魏小鹏设计研发完成,并于2025-07-24向国家知识产权局提交的专利申请。

基于事件与图像双向协同引导的低光照增强方法在说明书摘要公布了:本发明公开了一种基于事件与图像双向协同引导的低光照增强方法,属于计算机视觉技术领域。本发明包含事件特征提取分支和图像—事件融合分支,分别设置图像引导的事件增强模块和基于Mamba的图像—事件融合模块;两模块通过双向协同引导实现跨模态交互:图像引导的事件增强模块利用图像的语义上下文信息抑制事件噪声并补偿其上下文缺失;基于Mamba的图像—事件融合模块利用Mamba的全局表征能力与线性时空复杂度的特性调整图像的全局照度与对比度,结合信噪比图将事件数据融合至图像以补充结构信息。本发明通过双向协同引导机制实现图像与事件信息的增强与融合,解决低光照场景下图像结构缺失与照度对比度退化的增强问题。

本发明授权基于事件与图像双向协同引导的低光照增强方法在权利要求书中公布了:1.基于事件与图像双向协同引导的低光照增强方法,其特征在于,包括: 步骤1:采集低光照图像—事件数据及其配对的正常光照图像—事件数据,并对事件数据进行预处理得到图像—事件数据集; 步骤2:构建事件与图像双向协同引导的低光照增强网络BGLIENet,该低光照增强网络包括预处理网络、图像引导的事件增强模块、特征金字塔编码器和图像—事件融合分支;所述预处理网络将低光照图像转换为粗增强图像并基于所述粗增强图像提取其浅层特征信息及获取信噪比图;所述图像引导的事件增强模块去除事件数据中的时空噪声并利用粗增强图像的浅层特征信息引导事件数据补充得到包含细粒度语义上下文的事件特征;所述特征金字塔编码器提取事件数据补充到的所述包含细粒度语义上下文的事件特征的多尺度特征;所述图像—事件融合分支基于Mamba模型并利用信噪比图作为引导,将所述包含细粒度语义上下文的事件特征及其多尺度特征与粗增强图像的浅层特征信息进行融合,得到增强图像; 所述图像引导的事件增强模块将所述预处理网络得到的粗增强图像的浅层特征信息与步骤1中预处理得到的事件体素网格作为输入,具体过程如下: 对事件体素网格采用由滤波器大小为的卷积层、NAFBlock、层归一化算子、滤波器大小为的卷积层和滤波器大小为的深度可分离卷积层所构成的级联块,得到去噪事件特征; 将去噪事件特征、粗增强图像的浅层特征信息以及事件体素网格对应的浅层特征输入至由跨空间调制模块、跨通道调制模块和滤波器大小为的卷积层所构成的级联块,得到包含粗粒度语义上下文的事件特征; 将包含粗粒度语义上下文的事件特征和粗增强图像的浅层特征信息输入至由归一化层、滤波器大小为的卷积层、跨空间调制模块和滤波器大小为的卷积层所构成的级联块,得到包含细粒度语义上下文的事件特征; 所述图像—事件融合分支基于UNet架构,包括编码器和解码器;所述编码器由三个基于Mamba的图像—事件融合模块与两个双线性下采样算子构成,且所述基于Mamba的图像—事件融合模块与所述双线性下采样算子依次交替设置; 将所述粗增强图像的浅层特征信息、所述包含细粒度语义上下文的事件特征及所述特征金字塔编码器对提取的多尺度特征输入至编码器中,提取融合后的多尺度特征; 所述解码器由三个基于Mamba的图像—事件融合模块、两个双线性上采样算子和一个滤波器大小为的卷积层构成,且所述基于Mamba的图像—事件融合模块与所述双线性上采样算子依次交替设置;所述双线性上采样算子由concat算子、一个卷积层和一个上采样倍率为2的双线性插值算子构成;其中,尺度2和尺度1融合后的特征分别表示为、; 将尺度1的融合特征、包含细粒度语义上下文的事件特征输入至基于Mamba的图像—事件融合模块再经滤波器大小为的卷积层得到残差分量,再将残差分量与粗增强图像进行相加,得到最终的增强图像; 步骤3:利用步骤1得到的所述图像—事件数据集训练步骤2中的BGLIENet网络; 步骤4:将BGLIENet网络部署到低光照场景下的边缘设备,并利用训练好的BGLIENet网络实时增强低光照场景下捕获的图像。

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理工大学,其通讯地址为:116024 辽宁省大连市甘井子区凌工路2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。