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基于语义知识引导的低照度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：CN116452472B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310277679.8，技术领域涉及：G06T5/40；该发明授权基于语义知识引导的低照度图像增强方法是由王国庆;吴煜辉;潘晨;位纪伟;杨阳设计研发完成，并于2023-03-21向国家知识产权局提交的专利申请。

本基于语义知识引导的低照度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语义知识引导的低照度图像增强方法，属于低照度图像增强技术领域。本发明通过语义信息的引入，本发明的语义知识引导的低照度图像增强方法可以关注到之前方法忽略的问题。并且本发明可以应用在任意的编码器‑解码器结构的图像增强网络上，使这些本不具有语义相关信息的模型学习到更多的知识。即本发明通过语义引导嵌入模块，并结合语义引导色彩直方图损失和语义引导对抗损失，本发明可以从多个不同的角度关注到语义相关的知识。本发明提升了低照度图像增强网络的能力，得到更真实、自然的增强结果。

本发明授权基于语义知识引导的低照度图像增强方法在权利要求书中公布了：1.基于语义知识引导的低照度图像增强方法，其特征在于，包括下列步骤： 步骤1，构建图像增强处理网络模型； 所述图像增强处理网络模型包括两条支路，一条支路为语义分割网络，一条支路为图像增强网络，并在两条支路之间设置有N个语义嵌入模块，其中，N≥2； 所述语义分割网络依次包括：第一编码器、第一解码器和预测头，第一编码器用于对输入图像Il进行特征提取，得到输入图像Il的第一初始特征图，所述输入图像Il为低照度图像； 第一解码器用于对第一初始特征图进行多个尺度的解码，得到不同尺度的深层特征图，即语义分割特征Fi，且语义分割特征的尺度数量M大于N； 预测头对第一解码器输出的不同尺度的语义分割特征Fi进行像素级语义类别预测，输出输入图像Il的语义预测图Iseg； 从M个尺度的深层特征图中选取连续尺度的N个尺度的语义分割特征分别作为每个语义嵌入模块的两个输入之一，并按照尺度升序的方向将N个语义嵌入模块依次定义为第1至第N个语义嵌入模块； 所述图像增强网络包括：第二编码器和第二解码器，其中，第二编码器用于对输入图像Il的低照度图像进行特征提取，得到输入图像Il的第二初始特征图；解码器包括N+1个卷积块，每个卷积块用于对其输入进行上采样，输出不同尺度的图像增强特征Fi，最后一个卷积块的输出即为输入图像Il的预测增强图像且第1个卷积块的输入为第二初始特征图，并将第1个卷积块的输出作为第1个语义嵌入模块的另一个输入，对任意第i个语义嵌入模块，将第i个语义嵌入模块的输出作为第i+1个卷积块的输入，其中，i＝1，…，N； 步骤2，基于训练样本对图像增强处理网络模型的网络参数进行学习训练，当满足预置的训练结束条件时停止，得到训练好的图像增强处理网络模型； 训练图像增强处理网络模型时的损失函数设置为： 其中，表示预测增强图像与输入图像Il的标签图像Ih之间的重建损失，表示语义引导色彩直方图损失，即预测增强图像的直方图与标签图像Ih的直方图之间的L1范数损失，λSCH表示语义引导色彩直方图损失的权重，表示语义引导对抗损失，λSA表示语义引导对抗损失的权重； 步骤3，将与图像增强处理网络模型的输入相匹配的待增强图像输入训练好的图像增强络模型，基于图像增强网络的最后一个卷积块的输出得到待增强图像的增强结果。

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。