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！

龙图腾网获悉东北电力大学申请的专利基于强光抑制的电力作业现场弱光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：CN117115033B 。

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：202311127202.8，技术领域涉及：G06T5/94；该发明授权基于强光抑制的电力作业现场弱光图像增强方法是由奚洋;张梓豪;曲朝阳;曹杰;王蕾;郭晓利;王文静;高宇设计研发完成，并于2023-09-01向国家知识产权局提交的专利申请。

本基于强光抑制的电力作业现场弱光图像增强方法在说明书摘要公布了：本发明提供了基于强光抑制的电力作业现场弱光图像增强方法，包括以下步骤：步骤一：基于滑动窗口对强光进行判断；步骤二：基于层分解网络的光效分解和基于核选择模块的Zero‑DCE弱光增强；步骤三：针对输入的弱光RGB图像，进行灰度变换后使用滑动窗口搜索图片并判断强光区域。本发明通过从电力作业实际应用的角度同时考虑了作业现场图像整体弱光和弱光中存在强光源两种情况，设计了一种基于滑动窗口的强光判断方法，使用滑动窗口分割图像，根据灰度子图与强光阈值的偏差的平均值和平均偏差进行亮度判断，寻找强光；通过对存在强光的RGB图像进行光效分解，剔除光效层，减少强光效对弱光图像增强的干扰。

本发明授权基于强光抑制的电力作业现场弱光图像增强方法在权利要求书中公布了：1.基于强光抑制的电力作业现场弱光图像增强方法，其特征在于，包括以下步骤： 步骤一：基于滑动窗口对强光进行判断； 步骤二：基于层分解网络的光效分解和基于核选择模块的Zero-DCE弱光增强； 步骤三：针对输入的弱光RGB图像，进行灰度变换后使用滑动窗口搜索图片并判断强光区域； 步骤四：利用层分解网络进行强光图像的光效分解，并获取去除光效层后的背景层； 步骤五：对背景层图片基于核选择模块的Zero-DCE网络实现弱光增强； 所述步骤五中，将弱光图像作为输入，利用DCE-SKNet学习曲线参数图，然后通过亮度增强曲线对弱光图像进行像素级调整，经过多次迭代获得增强后的图像； 亮度增强曲线的公式为： ； 其中，表示图像像素坐标，表示迭代次数，表示曲线参数图，与输入图像大小相等； 所述步骤五中，将DCE-Net中的普通卷积替换为深度可分离卷积，深度卷积块先对每个通道单独进行卷积，提取单通道的信息，再通过1×1的逐点卷积块对输入特征图的通道进行扩展或压缩，得到预期大小的特征图； 充分利用空间特征，使用不同尺度的感受野进行多尺度融合，在DCE-Net的第七个卷积层后，加入的三分支核选择模块，自适应地调整感受野大小，动态选择合适的路径，减小噪声对弱光增强的影响； 针对输入特征图，分别使用3×3，5×5，7×7的卷积核进行处理得到、和，其中5×5的卷积核是由两个3×3的空洞卷积组成，然后将三者相加得到以整合所有分支的信息；将通过全局平均池化嵌入全局信息， ； 和分别为特征图的高和宽，再通过全连接层产生一个紧凑的特征图： ； 其中，表示激活函数，表示批规范化处理，，值由压缩比来控制： ； 其中，为的最小值； 为了得到不同空间尺度的权重，从而获取不同感受野的加权融合信息，对向量通道方向上进行操作得到： ； 其中，，表示的第行，为的第个元素，为的权重向量，最后将不同大小卷积核处理的特征图与其相应的权重向量相乘，得到最终的输出特征图： ； 其中，，； 为了使网络在零参考信息的情况下完成训练，采用一系列非参考损失，包括空间一致性损失、曝光控制损失、彩色恒常损失和亮度平滑损。

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东北电力大学，其通讯地址为：132011 吉林省吉林市船营区长春路169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”。