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！

龙图腾网获悉西安理工大学申请的专利基于Transformer和图像融合的弱光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：CN115661010B 。

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：202211140909.8，技术领域涉及：G06T5/50；该发明授权基于Transformer和图像融合的弱光增强方法是由金海燕;杨越;肖照林;苏浩楠;蔡磊;刘瑾;信程设计研发完成，并于2022-09-20向国家知识产权局提交的专利申请。

本基于Transformer和图像融合的弱光增强方法在说明书摘要公布了：本发明公开了基于Transformer和图像融合的弱光增强方法，具体为：步骤1，使用DoubleGamma变换将弱光场景下的红外和可见光图像分别进行预处理；步骤2，对红外输入图像和可见光输入图像中的局部和全局相关性进行建模；步骤3，使用Fusionblock将红外图像特征序列和可见光图像的特征序列融合在一起，使用Enhanceblock对融合结果进行特征增强；步骤4，根据融合特征，重建融合结果；步骤5，根据损失更新网络参数，使得网络逐渐收敛，得到一个输出最优融合图像的网络。本发明方法建立的网络模型能有效的提取出红外和可见光图像的深层特征，并构建融合图像。

本发明授权基于Transformer和图像融合的弱光增强方法在权利要求书中公布了：1.基于Transformer和图像融合的弱光增强方法，其特征在于，具体按照如下步骤实施： 步骤1，设计预处理DoubleGamma模块，DoubleGamma模块由Gamma′变换和Gamma″变换组成，Gamma′变换是对输入的红外图像进行处理，Gamma″变换是对输入的可见光图像进行处理，得到的红外图像I′Inf和可见光图像I′Vis； 步骤2，设计基于Transformer架构的TFE，通过对步骤1中I′Inf和I′Vis中的局部和全局相关性进行建模，来提取输入图像的深层特征； 步骤3，设计由Fusionblock和Enhanceblock组成的FE；使用Fusionblock将红外图像特征序列和可见光图像的特征序列融合在一起，其中，l＝1…L，然后使用Enhanceblock对融合结果进行特征增强； 步骤4，设计FR，根据融合特征Zfeats重建融合结果IF； 步骤5，设计包括LSSIM、LTV和LEXP的损失函数，根据Loss更新网络参数，使得网络逐渐收敛，最终得到一个输出最优融合图像的网络； 步骤6，对于基于Transformer和图像融合的弱光增强算法搭建的神经网络进行训练100个Epoch，验证训练结果，保存神经网络的模型； 步骤7，测试步骤6保存的神经网络的模型，输出融合图像。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。