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！

龙图腾网获悉南京邮电大学申请的专利一种基于Residual-Unet网络的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：CN116596809B 。

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：202310623249.7，技术领域涉及：G06T5/40；该发明授权一种基于Residual-Unet网络的低照度图像增强方法是由胡长晖;王思雨设计研发完成，并于2023-05-30向国家知识产权局提交的专利申请。

本一种基于Residual-Unet网络的低照度图像增强方法在说明书摘要公布了：本发明公开了一种基于Residual‑Unet网络的低照度图像增强方法，属于低照度图像增强技术领域；包括以下步骤：数据预处理；获取待增强图像，并对其进行直方图均衡化预处理；构建基于Residual‑Unet的低照度图像增强网络，并完成网络训练；将待增强图像与经过直方图均衡化预处理后的图像进行合并，输入基于Residual‑Unet的低照度图像增强网络，由基于Residual‑Unet的低照度图像增强网络输出增强后的图像。本发明在传统的残差网络结构之上，取消了residual网络中的所有批量归一化操作，将第二权重层由简单的卷积层和激活层替换为整个Unet卷积神经网络，减少光照变化的影响，丰富待增强图像的可视化信息；避免了不相关的信息对增强结果造成影响，加快模型的收敛，同时实现增强视觉效果，显著提升峰值信噪比。

本发明授权一种基于Residual-Unet网络的低照度图像增强方法在权利要求书中公布了：1.一种基于Residual-Unet网络的低照度图像增强方法，其特征在于：该方法包括以下步骤： 步骤S1：数据预处理； 获取待增强图像，并对其进行直方图均衡化预处理； 步骤S2：构建基于Residual-Unet的低照度图像增强网络，并完成网络训练； 所述基于Residual-Unet的低照度图像增强网络包括：浅层特征编码块、Residual-Unet深层特征处理块、双通道注意力机制块与上采样块； 所述浅层特征编码块包括卷积层、激活层、卷积层与最大池化层，卷积层、激活层、卷积层与最大池化层依次连接；所述Residual-Unet深层特征处理块由4个Rs-Unet子块依次连接构成，且在每两个Rs-Unet子块间嵌入结构相同的卷积层； 所述双通道注意力机制块由空间注意力机制子块和通道注意力机制子块并联构成，上采样块由依次连接的插值采样层I、卷积层与激活层构成； 所述Rs-Unet子块包括第一权重层、Unet卷积神经网络与卷积层，第一权重层、Unet卷积神经网络与卷积层依次连接，引入残差结构并将第一权重层的输入与Unet卷积神经网络的输出进行合并作为卷积层的输入； 步骤S3：将步骤S1中待增强图像与经过直方图均衡化预处理后的图像进行合并，输入步骤S2中基于Residual-Unet的低照度图像增强网络，由基于Residual-Unet的低照度图像增强网络输出增强后的图像。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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”。