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！

龙图腾网获悉福州大学申请的专利一种基于Transformer的多尺度优化低照度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：CN115205147B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202210828621.3，技术领域涉及：G06T5/00；该发明授权一种基于Transformer的多尺度优化低照度图像增强方法是由牛玉贞;林晓锋;李悦洲设计研发完成，并于2022-07-13向国家知识产权局提交的专利申请。

本一种基于Transformer的多尺度优化低照度图像增强方法在说明书摘要公布了：本发明涉及一种基于Transformer的多尺度优化低照度图像增强方法。包括：将数据进行数据预处理；构建基于Transformer的多任务恢复和增强子网络；设计基于Transformer的多尺度优化低照度图像增强网络，该网络由多尺度浅层特征提取子网络、多尺度特征融合子网络、基于Transformer的低照度图像特征增强子网络和多尺度低照度图像增强子网络组成；根据网络结构设计损失函数，指导网络模型的参数优化；用图像块数据训练网络，优化网络模型参数，收敛到平衡状态；将低照度图像进行切块处理，然后将图像块分别输入训练好的图像增强网络，得到相应增强后的图像块后，将图像块拼接成增强后的完整图像。本发明能对低照度图像进行增强，综合解决低照度图像存在的退化问题。

本发明授权一种基于Transformer的多尺度优化低照度图像增强方法在权利要求书中公布了：1.一种基于Transformer的多尺度优化低照度图像增强方法，其特征在于，包括如下步骤：步骤A、将数据进行数据预处理，首先将数据进行配对处理，接着对其做数据切块、数据增强处理；步骤B、构建基于Transformer的多任务恢复和增强子网络，该网络由头部、身体部分和尾部组成，使用多任务数据集预训练并使用合成低照度图像数据集微调；步骤C、设计基于Transformer的多尺度优化低照度图像增强网络，该网络由多尺度浅层特征提取子网络、多尺度特征融合子网络、基于Transformer的低照度图像特征增强子网络和多尺度低照度图像增强子网络组成；步骤D、根据网络结构设计损失函数，指导网络模型的参数优化；步骤E、用图像块数据训练网络，优化网络模型参数，收敛到平衡状态；步骤F、将低照度图像进行切块处理，然后将图像块分别输入训练好的图像增强网络，得到相应增强后的图像块后，将图像块拼接成增强后的完整图像；步骤C实现如下：步骤C1、设计多尺度浅层特征提取子网络，网络的输入为步骤A得到的数据集中的真实低照度图像块，经过ResNet三个阶段的特征提取后，得到三个不同尺度的特征加上原始尺度得到的特征，加上原始尺度得到的特征，共得到四个尺度的浅层特征，其中第一尺度到第四尺度依次变大；步骤C2、设计多尺度特征融合子网络，网络由四个分支组成，四个分支的输入特征图为步骤C1的输出特征图，每一分支的输入特征均先经过一层1×1卷积层变换到相同的通道数，然后再进行特征融合，特征融合后各分支的特征图均由特征融合前每个分支的特征图经过尺度变换后相加得到，这是因为融合前后分支的尺度不同，所以在变换过程中需要经过上采样操作或步长为2的卷积操作变换到第某分支的尺度后进行相加操作；步骤C3、设计基于Transformer的低照度图像特征增强子网络，该网络的输入为步骤C2中第一分支的输出特征图，输出特征图由输入特征图与输入特征图经过步骤B中的基于Transformer的多任务恢复和增强子网络后得到的特征图相加得到；步骤C4、设计多尺度低照度图像增强子网络，网络由三个分支组成，每个分支均包含注意力模块和色彩校正模块，注意力模块由通道注意力模块和空间注意力模块两个并行分支组成。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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。