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！

龙图腾网获悉山东科技大学申请的专利一种基于曝光矫正的水下图像综合清晰化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：CN120125453B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510621597.X，技术领域涉及：G06T5/60；该发明授权一种基于曝光矫正的水下图像综合清晰化方法是由赵猛;李子龙;张小熠;张俊明;郭智航;张凯设计研发完成，并于2025-05-15向国家知识产权局提交的专利申请。

本一种基于曝光矫正的水下图像综合清晰化方法在说明书摘要公布了：本发明属于水下图像处理技术领域，公开了一种基于曝光矫正的水下图像综合清晰化方法。本发明首先将水下非均匀光照图像及其反转图像输入到低照度增强网络中，同时得到低照度增强图像和降曝图像，通过金字塔图像融合得到曝光矫正图像，然后在曝光矫正基础上引入循环对抗网络进行水下图像增强处理，在训练过程中利用前向生成器和后向生成器的相互作用，学习将水下图像转换为与真实空气图像风格一致的效果，同时确保生成的图像与真实水下图像保持一致，保持循环一致性。本发明方法能够有效地解决水下图像中常见的各种质量问题，从而提供更加清晰和准确的图像信息，以满足水下作业及水下机器人应用的需求。

本发明授权一种基于曝光矫正的水下图像综合清晰化方法在权利要求书中公布了：1.一种基于曝光矫正的水下图像综合清晰化方法，其特征在于，包括如下步骤： 步骤1.首先将水下非均匀光照图像及其反转图像输入到低照度增强网络中，同时得到低照度增强图像和降曝图像，然后通过金字塔图像融合得到曝光矫正图像； 低照度增强网络是基于深度曲线估计网络的低照度增强算法，设计一个深度曲线估计网络来估计给定输入图像的一组最佳拟合光增强曲线；然后，深度曲线估计网络过迭代地应用曲线来映射输入图像的RGB通道的所有像素，以获得最终的增强图像； 步骤2.在曝光矫正基础上引入循环对抗网络CycleGAN以实现水下图像增强，在CycleGAN训练中利用前向生成器和后向生成器的相互作用，学习将水下图像转换为与真实空气图像风格一致的效果，同时确保生成的图像与真实水下图像保持一致，以保持循环一致性； 循环对抗网络包含两个生成器GX2Y、GY2X以及两个判别器DX、DY，其在前向生成器加入现实空气图像作为条件信息，引导训练生成器GX2Y，使生成的样本尽量与真实不偏色清晰图像一致，改进的循环对抗网络的处理流程如下： 编码器E将输入的空气不偏色清晰图像_Z转换成特征向量Z0作为条件信息，与真实的偏色模糊图像_X即步骤1得到的曝光矫正图像提取的特征进行拼接输入到生成器GX2Y中，生成器GX2Y生成不偏色清晰图像_Y，通过判别器DY来判断生成的不偏色清晰图像_Y与真实的不偏色清晰图像_Y是否一致；生成的不偏色清晰图像_Y也输入到生成器GY2X中，生成器GY2X生成循环生成图像_X，该循环生成图像_X与真实的偏色模糊图像_X保持循环一致性； 同时，真实的不偏色清晰图像_Y输入到生成器GY2X中，生成器GY2X生成偏色模糊图像_X，通过判别器DX来判断生成的偏色迷糊图像_X与真实的偏色模糊图像_X是否一致；生成的偏色模糊图像_X与特征向量Z0拼接后输入到生成器GX2Y中，生成器GX2Y生成循环生成图像_Y，该循环生成图像_Y与真实的不偏色清晰图像_Y保持循环一致性； 循环对抗网络采用局部判别器，通过引入马尔科夫过程，以增强生成对抗网络对图像局部结构的建模能力；在判别器中，增加一条并行的网络路径，接受整张图像作为输入，即全局判别器，对整个输入图像进行判断，以确保生成图像的整体结构和内容的真实性；分别计算局部判别器损失和全局判别器损失，对两种损失按照预设权重参数进行加权融合，得到总判别器的损失函数，通过加权组合以上两种判别器，同时优化图像的全局结构和局部细节。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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”。