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！

龙图腾网获悉华中科技大学申请的专利适用于全天的图像低照度增强和语义分割联合方法和系统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：CN116188307B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202310136152.3，技术领域涉及：G06V10/141；该发明授权适用于全天的图像低照度增强和语义分割联合方法和系统是由刘欣然;桑农;高常鑫;夏惟设计研发完成，并于2023-02-20向国家知识产权局提交的专利申请。

本适用于全天的图像低照度增强和语义分割联合方法和系统在说明书摘要公布了：本发明公开了适用于全天的图像低照度增强和语义分割联合方法和系统，属于计算机视觉技术领域。本发明首次将低照度增强和语义分割结合在一起，整个网络采用端到端的训练方式，增强任务和分割任务通过分享底部的层学习一些共有的低层次的特征，共享信息，相互补充，提升两者的表现；通过将增强网络和语义分割网络联合优化，增强网络对图像增强的结果会在下游特征提取网络和两任务分支信息的引导下进行重构，同时语义分割网络学习低照度图像增强中恢复的结构细节特征和颜色特征，提高语义分割网络的精度；既能对低光图像进行增强从而辅助驾驶员对低光环境的感知，又能从视觉任务的角度获得语义分割结果，对夜间数据和白天数据同时具有较强的适应性。

本发明授权适用于全天的图像低照度增强和语义分割联合方法和系统在权利要求书中公布了：1.一种适用于全天的图像低照度增强和语义分割联合方法，其特征在于，该方法包括： 将待处理正常光照图像输入至训练好的多任务联合模型，得到像素级语义分割结果；或者，将待处理低光照度图像输入至训练好的多任务联合模型，得到像素级语义分割结果和低照度增强后的3通道反射图作为增强结果；所述正常光照图像为在环境光照强度大于等于1Lux情况下拍摄的图像，所述低光照度图像为在环境光照强度小于1Lux情况下拍摄的图像； 所述多任务联合模型采用端到端的训练方式，具体包括： 光强增强网络，用于对输入的正常光照图像不作任何处理，直接输出至特征提取网络，对输入的低光照度图像进行光强增强，得到3通道反射图和1通道亮度图，输出至特征提取网络； 特征提取网络，用于从正常光照图像或者3通道反射图提取语义特征图输出至语义分割模块，从3通道反射图提取低级特征，与提取到的语义特征图同时输出至低照度增强模块，所述低级特征包括空间特征、纹理特征和颜色特征； 低照度增强模块，用于上采样语义特征图后，再与低级特征融合后和解码，得到增强后的3通道反射图和1通道亮度图； 语义分割模块，用于对输入的语义特征图进行像素级分割，得到输入图像每个像素的类别； 所述光强增强网络包括： 依次串联的卷积层、的第一卷积层和第一Relu激活层、步长为2的的第二卷积层和第二Relu激活层、的第三卷积层和第三Relu激活层、2倍上采样的的第四反卷积层和第四Relu激活层、的第五卷积层和第五Relu激活层、第六卷积层、第七卷积层、Sigmoid层； 其中，卷积层的输入为输入的低光照度图像，第一卷积层和第一Relu激活层、第二卷积层和第二Relu激活层、第三卷积层和第三Relu激活层、第四反卷积层和第四Relu激活层、第五Relu激活层、第七卷积层、Sigmoid层，输入皆为串联关系中前者的输出； 第五卷积层的输入为第四Relu激活层输出和第一Relu激活层输出的拼接； 第六卷积层的输入为第五Relu激活层输出和输入的低光照度图像经过第八卷积层输出的拼接； 所述Sigmoid层输出3通道反射图和1通道亮度图。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。