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！

龙图腾网获悉重庆邮电大学申请的专利一种基于目标和环境差异性分离和映射的阴影去除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：CN115908192B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202211620500.6，技术领域涉及：G06T5/77；该发明授权一种基于目标和环境差异性分离和映射的阴影去除方法是由黄颖;雷秀杰;钱鹰;李豪;房少杰设计研发完成，并于2022-12-15向国家知识产权局提交的专利申请。

本一种基于目标和环境差异性分离和映射的阴影去除方法在说明书摘要公布了：本发明涉及一种基于目标和环境差异性分离和映射的阴影去除方法包括：获取第一原始图像数据和第二原始图像数据；其中，所述第一原始图像数据为具有阴影的图像数据；所述第二原始图像数据为第一原始图像数据对应的无阴影图像数据；构建SRNet阴影去除模型；所述SRNet阴影去除模型包括：第一编码器、第二编码器、第三编码器、第一联合解码器、第二联合解码器、第三联合解码器和判别器；将第一原始图像数据和第二原始图像数据作为训练样本对SRNet阴影去除模型进行训练；获取具有阴影的目标图像数据，将具有阴影的目标图像数据输入训练好的SRNet阴影去除模型对目标图像数据的阴影进行去除得到目标图像数据对应的无阴影图像数据。

本发明授权一种基于目标和环境差异性分离和映射的阴影去除方法在权利要求书中公布了：1.一种基于目标和环境差异性分离和映射的阴影去除方法，其特征在于，包括： S1：获取第一原始图像数据和第二原始图像数据；其中，所述第一原始图像数据为具有阴影的图像数据；所述第二原始图像数据为第一原始图像数据对应的无阴影图像数据； S2：构建SRNet阴影去除模型；所述SRNet阴影去除模型包括：第一编码器、第二编码器、第三编码器、第一联合解码器、第二联合解码器、第三联合解码器和判别器； S3：将第一原始图像数据和第二原始图像数据作为训练样本对SRNet阴影去除模型进行训练； 所述将第一原始图像数据和第二原始图像数据作为训练样本对SRNet阴影去除模型进行训练包括： S31：将第一原始图像数据分别输入第一编码器和第二编码器进行特征提取得到第一原始图像数据的第一特征向量和第二特征向量； S32：将第二原始图像数据分别输入第二编码器和第三编码器进行特征提取得到第二原始图像数据的第一特征向量和第二特征向量； S33：将第一原始图像数据的第一特征向量和第二特征向量在通道维度上进行拼接得到第一原始图像数据的联合特征向量；将第二原始图像数据的第一特征向量和第二特征向量在通道维度上进行拼接得到第二原始图像数据的联合特征向量； S34：利用第一联合解码器对第一原始图像数据的联合特征向量进行解码得到第一原始仿真图像数据；并根据第一原始仿真图像数据和第一原始图像数据构建第一损失函数；利用第二联合解码器将第二原始图像数据的联合特征向量进行解码得到第二原始仿真图像数据；并根据第二原始仿真图像数据和第二原始图像数据构建第二损失函数； S35：将第一原始图像数据的联合特征向量输入第三联合解码器计算得到仿真的无阴影图像数据；并根据仿真的无阴影图像数据和第二原始图像数据构建第三损失函数，从而使得第三联合解码器在训练过程中分别学习到环境特征与阴影特征在阴影去除过程中的映射规则； S36：将仿真的无阴影图像数据和第一原始图像数据在通道维度上进行拼接作为判别器的假数据；将第一原始图像数据和第二原始图像数据在通道维度上进行拼接作为判别器的真实数据；并根据判别器的假数据和真实数据对判别器进行训练； S37：将仿真的无阴影图像数据和第二原始图像数据在通道维度上进行拼接并将拼接后的图像输入判别器获得该图像的判别器结果，并根据该图像的判别结果构建第四损失函数； S38：根据第一损失函数、第二损失函数、第三损失函数和第四损失函数构建SRNet阴影去除模型的损失函数并通过反向传播机制对SRNet阴影去除模型的参数进行更新，完成SRNet阴影去除模型的训练； S4：获取具有阴影的目标图像数据，将具有阴影的目标图像数据输入训练好的SRNet阴影去除模型对目标图像数据的阴影进行去除得到目标图像数据对应的无阴影图像数据。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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”。