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院福建物质结构研究所申请的专利基于结构感知的图像增强方法、装置及机器人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：CN116503288B 。

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：202310593272.6，技术领域涉及：G06T5/92；该发明授权基于结构感知的图像增强方法、装置及机器人是由李俊;高银;晏超;张世意;廖嵩缐;陈军希;陈有章设计研发完成，并于2023-05-24向国家知识产权局提交的专利申请。

本基于结构感知的图像增强方法、装置及机器人在说明书摘要公布了：本发明涉及计算机视觉技术领域，提供一种基于结构感知的图像增强方法、装置及机器人，该方法基于Retinex模型，将原始图像分解为光照分量和反射分量，并基于光照分量、反射分量、光照分量对应的光照一阶梯度和反射分量对应的反射一阶梯度，构建基于结构感知的图像增强变分模型；通过半解耦分解的方式，在每次迭代过程中通过转换为最小二乘问题的方式先后确定光照图和反射图，如此可以大大降低最终光照图和最终反射图的求解难度，提高图像增强的效率。此外，该方法借助于光照一阶梯度和反射一阶梯度，可以分别实现光照图的结构感知以及反射图的结构感知，进而提升了最终光照图和最终反射图的准确性。

本发明授权基于结构感知的图像增强方法、装置及机器人在权利要求书中公布了：1.一种基于结构感知的图像增强方法，其特征在于，包括： 基于Retinex模型，将原始图像分解为光照分量和反射分量，并基于所述光照分量、所述反射分量、所述光照分量对应的光照一阶梯度和所述反射分量对应的反射一阶梯度，构建基于结构感知的图像增强变分模型； 对所述图像增强变分模型进行半解耦分解，基于所述光照分量、原始光照图以及所述光照一阶梯度，构建光照估计模型，并将所述光照估计模型转换为第一最小二乘问题，对所述第一最小二乘问题进行求解，得到初始光照图； 基于所述初始光照图、所述反射分量、所述原始图像以及所述反射一阶梯度，构建反射估计模型，并将所述反射估计模型转换为第二最小二乘问题，对所述第二最小二乘问题进行求解，得到初始反射图； 对所述第一最小二乘问题和所述第二最小二乘问题同步进行迭代求解，得到最终光照图和最终反射图，并基于所述最终光照图和所述最终反射图，确定所述原始图像对应的增强图像； 其中，所述原始光照基于所述原始图像在所有通道中的最大像素值确定； 所述图像增强变分模型包括保真项、光照结构感知正则项和反射结构感知正则项； 所述保真项基于所述光照分量和所述反射分量确定，用于保持所述光照分量和所述反射分量的乘积与所述原始图像的相似性； 所述光照结构感知正则项基于所述光照一阶梯度、所述光照一阶梯度的L2范数和所述光照一阶梯度的L2范数的高斯滤波结果确定，用于对所述光照分量进行分段平滑； 所述反射结构感知正则项基于所述反射一阶梯度、所述反射一阶梯度的L2范数和所述反射一阶梯度的L2范数的高斯滤波结果确定，用于对所述反射分量进行结构保持； 所述光照结构感知正则项基于如下形式表示： ； 其中，表示所述光照一阶梯度，表示所述光照一阶梯度的L2范数，表示标准差为的高斯滤波器，表示纹理系数，为常数，表示L1范数，是以自然常数e为底的指数运算； 所述反射结构感知正则项基于如下形式表示： ； 其中，表示所述反射一阶梯度，表示所述反射一阶梯度的L2范数。

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院福建物质结构研究所，其通讯地址为：350000 福建省福州市杨桥西路155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”。