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！

龙图腾网获悉电子科技大学申请的专利一种基于多尺度信息融合的低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：CN119832369B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411626535.X，技术领域涉及：G06V10/80；该发明授权一种基于多尺度信息融合的低光图像增强方法是由李翰堂;朱树元;刘怡光设计研发完成，并于2024-11-14向国家知识产权局提交的专利申请。

本一种基于多尺度信息融合的低光图像增强方法在说明书摘要公布了：本发明属于低光图像增强领域，提供一种基于多尺度信息融合的低光图像增强方法；针对现有技术因未能充分考虑到低光图像的数据特点使得恢复图像出现失真的问题，或者未能应对更复杂场景下的图像质量增强任务的问题，以及缺少轻量化且高效的多尺度信息提取方法的问题，本发明创造性的提出了一种崭新的多尺度残差模块，在不同尺度上对特征进行提取和融合，丰富了特征表达，增强了模型的感知和泛化能力，并基于多尺度残差模块构建递归残差模块，最终构建低光图像增强网络；相较于现有低光增强网络，本发明在参数量和计算量大大减少的同时保持了优异的性能；综上，本发明提出的基于多尺度信息融合的低光图像增强方法能够显著提升低光图像增强效果。

本发明授权一种基于多尺度信息融合的低光图像增强方法在权利要求书中公布了：1.一种基于多尺度信息融合的低光图像增强方法，其特征在于，包括以下步骤： 构建低光图像增强网络，包括：依次连接的4个递归残差模块；低光图像增强网络的输入为低光图像Ulow、输出为增强图像Uen，低光图像Ulow依次经过4个递归残差模块后得到特征图像Ufe，特征图像Ufe与低光图像Ulow相加得到增强图像Uen； 递归残差模块包括：依次连接的2个多尺度残差模块；递归残差模块的输入记为特征图像Uin1、输出记为特征图像Uout1，特征图像Uin1依次经过2个多尺度残差模块后得到特征图像Umid1，特征图像Umid1为第二个多尺度残差模块的输出，所述特征图像Umid1与特征图像Uin1相加得到特征图像Uout1； 多尺度残差模块包括：3个信息提取模块与多尺度聚合模块；多尺度残差模块的输入记为特征图像Uin10、输出记为特征图像Uout10，特征图像Uin10依次经过两次下采样，第一次下采样后得到特征图像Uin11，第二次下采样后得到特征图像特征图像Uin12，特征图像Uin10、特征图像Uin11与特征图像Uin12构成三尺度输入；特征图像Uin10、特征图像Uin11与特征图像Uin12分别输入至3个信息提取模块，由3个信息提取模块对应输出特征图像Umid10、特征图像Umid11与特征图像Umid12，并共同输入至多尺度聚合模块，由多尺度聚合模块输出特征图像Uout10； 信息提取模块包括：浅层信息提取单元、上下文单元、转化单元，其中，浅层信息提取单元的结构为CONV3×3，上下文单元的结构为：RESHAPECONV1×1+RESHAPE+SOFTMAX，转化单元的结构为：CONV1×1+CONV1×1；信息提取模块的输入记为特征图像Uin100、输出记为特征图像Uout100，特征图像Uin100输入至浅层信息提取单元，由浅层信息提取单元输出特征图像Umid100，特征图像Umid100经过上下文单元得到特征图像Umid101，特征图像Umid101经过转化单元得到特征图像Umid102，特征图像Uin100、特征图像Umid100与特征图像Umid102相加得到特征图像Uout100； 多尺度聚合模块包括：3个全局池化单元与MLP单元；其中，全局池化单元的结构为：ADAPTIVEAVGPOOL1×1，MLP单元的结构为CONV1×1+CONV1×1+CONV1×1；特征图像Umid10、特征图像Umid11与特征图像Umid12分别输入3个全局池化单元，依次得到特征图像Umid103、特征图像Umid104与特征图像Umid105，特征图像Umid103、特征图像Umid104与特征图像Umid105拼接后输入MLP单元，由MLP单元输出特征图像Umid106，特征图像Umid106经过SPLIT分解得到系数m1、m2、m3，根据系数m1、m2、m3对特征图像Uin10、Uin11、Uin12进行聚合，得到特征图像Uout10：Uout10＝Uin10×m1+Uin11×m2+Uin12×m3； 设置损失函数，采用渐进式训练策略对低光图像增强网络完成训练，得到低光图像增强模型； 将待处理低光图像输入至训练完成的低光图像增强模型，由低光图像增强模型输出增强图像。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。