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！

龙图腾网获悉浙江理工大学申请的专利一种基于支持向量回归的图像光照校正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：CN117151998B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202310940154.8，技术领域涉及：G06T5/90；该发明授权一种基于支持向量回归的图像光照校正方法是由周志宇;温景淇设计研发完成，并于2023-07-28向国家知识产权局提交的专利申请。

本一种基于支持向量回归的图像光照校正方法在说明书摘要公布了：本发明公开了一种基于支持向量回归的图像光照校正方法，本发明步骤：准备数据集并进行预处理；数据集预处理；DenseNet201进行图像特征提取；训练FLA‑SVR模型；输出光照校正结果。本发明可消除外界环境光照对摄影成像的影响，恢复物体真实的颜色，从而为计算机视觉的相关工程任务提供准确的颜色信息。模型具备优秀的预测精度，良好的收敛性和稳定性，提高了光照校正工作的效率与准确性。

本发明授权一种基于支持向量回归的图像光照校正方法在权利要求书中公布了：1.一种基于支持向量回归的图像光照校正方法，其特征在于，该方法包括下列步骤： 步骤1：获取图像，形成数据集并进行预处理 所述图像包括室内、室外、阴天、晴天条件下的拍摄得到的照片，将所述照片的长宽大小全部都设置为224×224，经过正则化处理，映射到正态分布函数之下，再转换为用于输入到DenseNet201模型中的矩阵； 步骤2：得到基于迁移学习的DenseNet201特征提取网络 使用ImageNet数据集预训练获得初始网络模型DenseNet201的权重参数， 对所述初始网络模型DenseNet201进行迁移学习，并对所述初始网络模型DenseNet201网络参数进行微调，得到DenseNet201特征提取网络； 步骤3：使用所述DenseNet201特征提取网络进行图像特征提取 将步骤1中得到的所述数据集分为训练集和测试集，将训练集中的数据输入步骤2中得到的所述DenseNet201特征提取网络，并进行PCA降维，最后保存图像光照特征； 所述PCA降维的维度是一个需要调整的参数，通过调整降维的维度来找使得预测结果误差最小的PCA降维的维度； 步骤4：使用FLA算法优化SVR模型 4.1获取FLA算法参数，并由FLA算法优化SVR模型，获得SVR模型的惩罚因子、核参数以及软边界； 对不同的种群数量和迭代次数进行组合，以得到不同的组合对预测精度误差的影响，选择所述测试集中图片的R和G值的均方误差用于判断算法预测的精度；用R和G值的均方根误差作为适应度函数；选择适应度最好的个体作为最终的核参数和惩罚因子； 所述FLA算法参数包括种群数量和迭代次数； 所述惩罚因子用于保证SVR性能和稳定性，所述核参数是SVR中用于定义核函数的参数，选择适当的核参数能够提高模型的泛化性能，所述软边界是SVR中的一个特性，指允许一定量的误差存在于支持向量与决策边界之间； 4.2使用步骤3中得到的所述图像光照特征，结合FLA算法，将SVR模型的惩罚因子、核参数以及软边界设置为步骤4.1所获得的值，得到FLA-SVR模型，训练所述FLA-SVR模型，得到训练后的FLA-SVR模型； 步骤5：获取待处理图像，使用训练后的FLA-SVR模型进行处理，得到待处理图像的R、G、B值，通过对角矩阵变换还原图像，输出光照校正结果。

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浙江理工大学，其通讯地址为：310018 浙江省杭州市下沙高教园区浙江理工大学计算机学院；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”。