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空天信息创新研究院申请的专利一种微光夜视彩色图像自适应增强方法、装置、电子设备及存储介质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：CN119359564B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202411498092.0，技术领域涉及：G06T5/50；该发明授权一种微光夜视彩色图像自适应增强方法、装置、电子设备及存储介质是由王晓柱;黄旻;张桂峰;郑宇骋;钱路路;韩炜设计研发完成，并于2024-10-25向国家知识产权局提交的专利申请。

本一种微光夜视彩色图像自适应增强方法、装置、电子设备及存储介质在说明书摘要公布了：本发明公开了一种微光夜视彩色图像自适应增强方法、装置、电子设备及存储介质，利用多层次分解方法对夜视可见光图像进行分解，提取出高频信息与低频信息；针对低频信息，构建自适应增强网络提取低频图像的背景纹理特征；针对高频信息，利用色彩映射方法从RGB图像转换到HSV图像，再对其归一化处理，得到增强后的高频图像细节信息；对处理后的高频图像与低频图像进行重构，形成增强后的夜视可见光图像。上述方法克服了现有技术方案不适应于增强夜视暗场景图像的问题，能有效提升夜间自动驾驶时所产生的盲区与极端环境的明亮度，改善图像质量，从而提高夜间自动驾驶安全水平。

本发明授权一种微光夜视彩色图像自适应增强方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种微光夜视彩色图像自适应增强方法，其特征在于，所述方法包括： 步骤1、利用多层次分解方法对夜视可见光图像进行分解，提取出高频信息与低频信息；其中，所述高频信息包含了图像的细节与纹理特征，所对应的是图像中灰度值高的成分；所述低频信息中包含了图像的轮廓特征，所对应的是图像中的背景成分； 所述步骤1的过程具体为： 输入夜视可见光图像P，经过引导图像I,滤波得到输出图像q，在局部窗口w上，引导图像I和输出图像q存在局部线性关系： qi＝akIi+bk, i为图像I的像素值；wk为以像素点k为中心的局部窗口；ak和bk为局部窗口wk内的线性系数，其值大小通过引入最小化函数进行估算； 同时在窗口w上,输出图像q和输入图像P有如下关系： qi＝pi-ni, ni为在像素i处的噪声值； 这种线性关系保证了在每个局部窗口wk中导向图I存在一个边缘，输出图像q将保持边缘不变；同时输出图像q要尽可能与输入图像P相同，以此减小滤波带来的信息损失，算法的最小二乘表示为： 这是求解最优值的问题，引入一个正则化参数ε防止ak过大，得到损失函数： 运用最小二乘法求解极小值，利用极小值处导数为0，求解过程如下： |w|为窗口w的像素数量，推导出： 即： uk与σk分别为图像I中局部窗口wk的均值与方差；是局部窗口wk中所有像素的均值； 对于边缘保持，当I＝p时，即输入图像P和引导图像I是同一副图像时，方程的解作如下表示： 其中，ε相当于界定平滑区域和边缘区域的阈值，以此作为引导图像的边缘保持平滑滤波； 利用离散小波变换对滤波后的图像进行分解，得到高频图像与低频图像，离散小波变换分解过程为： 给定可分离的二维图像信号fx,y，缩放和转换后的函数获得的低频分量为： 其中，0≤i≤255，0≤j≤255，WAm,n是低频分量；hi,j是低通滤波器系数；m和n是低频分量的坐标；公式9表示将原始图像信号与低通滤波器进行卷积运算，并通过下采样得到低频分量； 获得的高频分量为： 水平高频分量： 其中，WHm,n是水平高频分量；g_Hi,j是水平高通滤波器系数； 垂直高频分量： 其中，WVm,n是垂直高频分量；g_Vi,j是垂直高通滤波器系数； 对角高频分量： 其中，WDm,n是对角高频分量；g_Di,j是对角高通滤波器系数； 步骤2、针对低频信息，构建自适应增强网络提取低频图像的背景纹理特征； 步骤3、针对高频信息，利用色彩映射方法从RGB图像转换到HSV图像，再对其归一化处理，得到增强后的高频图像细节信息； 步骤4、对处理后的高频图像与低频图像进行重构，形成增强后的夜视可见光图像。

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中国科学院空天信息创新研究院，其通讯地址为：100080 北京市海淀区北四环西路19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”。

以上内容由龙图腾AI智能生成。