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！

龙图腾网获悉南京理工大学申请的专利基于多模态损失函数U型编解码网络的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：CN117196991B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202311224573.8，技术领域涉及：G06T5/60；该发明授权基于多模态损失函数U型编解码网络的图像增强方法是由葛骏宇;陈昊;朱兴程;顾国华;万敏杰;徐秀钰;王佳节;韶阿俊设计研发完成，并于2023-09-21向国家知识产权局提交的专利申请。

本基于多模态损失函数U型编解码网络的图像增强方法在说明书摘要公布了：本发明公开了一种基于多模态损失函数U型编解码网络的图像增强方法，涉及图像处理领域，包括：设计U型编解码网络模型，将短曝光S0与Dolp图像作为训练集、对应的长曝光图像作为真值参考，输入网络进行训练；并设计了使用YUV色彩空间的光强与线偏振度多模态损失函数，使用梯度下降算法调整网络参数，直到最大迭代次数，输出网络模型；将短曝光测试集图像输入训练好的网络模型，输出增强图像，与对应真值图像进行对比分析。经本发明改进后的网络模型在彩色偏振图像还原上的峰值信噪比、结构相似度和处理速度得到了提升。

本发明授权基于多模态损失函数U型编解码网络的图像增强方法在权利要求书中公布了：1.一种基于多模态损失函数U型编解码网络的图像增强方法，其特征在于，包括以下步骤： 步骤1、根据U型编解码网络特点构建图像增强网络PolarUnet，具体步骤如下： 步骤1.1、网络的整体结构为对称的特征提取网络和特征融合网络以及底层卷积网络；对应层的特征提取网络和特征融合网络中的数据形状一致；每一层特征提取网络的通道数是前一层的2倍，高与宽是前一层的每一层特征融合网络的通道数是后一层的2倍，高与宽是后一层的传入数据为三通道S0图像与三通道Dolp图像在通道维度组合成的六通道图像； 步骤1.2、构建四层特征提取网络，每层特征提取网络由两个3×3的卷积层和一个2×2的最大池化层构成；每一层网络先进行两次3×3卷积，再通过2×2最大池化，前三层网络输出传入下一层特征提取网络、最后一层输出传入底层卷积网络； 步骤1.3、构建底层卷积网络由两个3×3的卷积层构成，输出传入第一层特征融合网络； 步骤1.4、构建四层特征融合网络，每层特征融合网络由一个2×2上采样卷积层、一个特征拼接层和两个3×3卷积层构成；先进行2×2反卷积，并与对应的特征提取层卷积后的特征图进行特征融合，再进行两次3×3卷积，前三层输出传入下一层特征融合网络，最后一层输出通过1×1卷积层恢复为6通道输出； 步骤2、构建图像增强网络PolarUnet的损失函数，具体为： Loss＝λS0×LossS0+λDolp×LossDolp 其中，LossS0为光强模态的Loss值，LossDolp为线偏振度模态的Loss值，n为每次训练输入的batch-size数，表示每一轮网络训练后的输出图光强通道进行Rgb-Yuv转换后Y通道图像和其对应的真值图像；分别表示每一轮网络训练后的输出图光强通道进行Rgb-Yuv转换后UV通道图像和其对应的真值图像；分别表示每一轮网络训练后的输出图像偏振度通道图像和其对应的真值图像； 步骤3、初始化图像增强网络PolarUnet参数； 步骤4、对真值图像添加高斯噪声得到训练图像，将训练图像输入到图像增强网络PolarUnet中，对图像增强网络PolarUnet进行训练直到损失函数收敛，得到训练好的PolarUnet网络模型； 步骤5、将待增强图像输入到步骤5中训练好的PolarUnet网络进行图像去噪处理。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫街道200号南京理工大学；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。