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！

龙图腾网获悉杭州电子科技大学申请的专利基于神经网络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：CN118365568B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202410615208.8，技术领域涉及：G06T5/77；该发明授权基于神经网络的阴影去除方法是由许佳敏;李泽龙;闫军儒;徐岗设计研发完成，并于2024-05-17向国家知识产权局提交的专利申请。

本基于神经网络的阴影去除方法在说明书摘要公布了：本发明公开了基于神经网络的阴影去除方法，该方法首先构建包括阴影去除分支和阴影检测分支的阴影去除网络模型。其次获取待输入图像的深度图、法线图和DINO_v2的特征图，并将深度图转化为点云。然后通过阴影去除网络模型中两个分支编码器中的通道注意力CA模块，得到分层特征，通过阴影检测分支解码阶段得到阴影概率图。最后根据阴影概率图计算阴影感知相关图，将阴影检测分支解码器的特征插入到阴影去除分支的解码器，阴影去除分支的解码器输出阴影去除图像。本发明有效地捕获了图像中阴影和非阴影区域之间的全局信息，提高了阴影去除的精确度和准确性。

本发明授权基于神经网络的阴影去除方法在权利要求书中公布了：1.基于神经网络的阴影去除方法，其特征在于，包括以下步骤： S1、构建包括阴影去除分支和阴影检测分支的阴影去除网络模型； S2、获取待输入图像的深度图、法线图和带有改进的降噪锚盒的检测变压器DINO_v2的特征图，并将深度图转化为点云； 所述获取待输入图像的深度图、法线图和带有改进的降噪锚盒的检测变压器DINO_v2的特征图，实现为：将待去除阴影的图像输入至预训练好的DINO_v2网络和DPT-Hybrid网络，得到该图像的深度图、法线图和DINO_v2特征图，具体过程如下： 输入图像为input∈R3×H×W，其中3代表RGB通道数，H和W分别为图像的高和宽；将图像输入到DINO_v2网络和DPT-Hybrid网络之前，对输入图像input进行缩放和填充； 填充之后得到填充后的图像input'∈R3×H'×W'，之后将该图像进行缩放，缩放之后的图像为input”，其中高为H'×148，宽为W'×148； 将图像input”输入DINO_v2网络，得到DINO_v2特征图其中HD和WD分别是DINO_v2特征图的高度和宽度，分别是H'8和W'8；Cf是经过DINO_v2网络转换后的维度；将填充后的图像input'输入DPT-Hybrid网络，得到图像x'的深度图D∈R1×H'×W'和法线图N∈R3×H'×W'；将得到的深度图D转化为点云P∈R3×H'×W'；首先获取深度图的高度H'和宽度W'，将输入图像input视场角Fov从度数转换为弧度；然后根据Fov和深度图D的宽度W'计算焦距： focal_length＝W'2*tanFov2 定义相机的内参矩阵，其中fx和fy是焦距，fx＝fy＝focal_length；Cx和Cy是深度图D的中心点坐标，分别为W'-12.0，H'-12.0；创建一个网格，其大小与深度图的宽度和高度相同，使用深度图作为z坐标，计算x和y坐标： 其中xp和yp表示的是像素点在深度图的坐标，x、y和z表示的是该像素点在点云中的坐标，Cx和Cy是深度图D的中心点坐标，fx和fy是x方向上的焦距和y方向上的焦距； S3、通过阴影去除网络模型中两个分支编码器中的通道注意力CA模块，得到分层特征； S4、基于分层特征，通过阴影检测分支解码阶段得到阴影概率图； S5、根据阴影概率图计算阴影感知相关图，将阴影检测分支解码器的特征插入到阴影去除分支的解码器；结合阴影感知相关图，阴影去除分支的解码器输出阴影去除图像。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。