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一种基于多模态增强网格掩蔽和快速傅里叶卷积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：CN119831852B 。

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：202411892302.4，技术领域涉及：G06T5/10；该发明授权一种基于多模态增强网格掩蔽和快速傅里叶卷积的图像增强方法是由赵子杰;沈诗淇;李科廷设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本一种基于多模态增强网格掩蔽和快速傅里叶卷积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增强网格掩蔽和快速傅里叶卷积的图像增强方法，包括：S1、采集水下典型目标前视声呐数据，制作初始数据集；S2、对前视声呐原始图像进行多模态遮挡方式的数据增强；S3、对多模态遮挡框架增强后图像进行传统图像变换方式的数据增强，模拟不同环境下的光照、噪声和视角等变化，生成多样化的训练数据；S4、构建基于快速傅里叶卷积的图像增强网络，利用全局感受野，提高对遮挡区域的处理和增强能力；S5、利用训练好的模型对图像进行增强，得到清晰且细节丰富的目标遮挡图像。本发明通过结合多模态遮挡方式的数据增强方法和基于快速傅里叶卷积的网络，显著提高了对前视声呐严重遮挡目标的图像增强质量和效率，具有良好的泛化能力和实用价值。

本发明授权一种基于多模态增强网格掩蔽和快速傅里叶卷积的图像增强方法在权利要求书中公布了：1.一种基于多模态增强网格掩蔽和快速傅里叶卷积的图像增强方法，其特征在于：包括以下步骤： S1、采集水下典型目标前视声呐数据，对声呐元数据进行提取与坐标轴转换，逐帧获取声呐图像，进行数据集的整理与标注，制作得到声呐图像的识别训练与测试数据集； S2、构建多模态遮挡的前视声呐图像数据增强框架，模拟复杂遮挡情况，识别训练与测试数据集的图像进行增强，生成更具挑战性的训练数据及相应的遮挡掩码； S3、构建传统图像变换的前视声呐图像数据增强框架，模拟不同环境下的光照、噪声和视角变化，对步骤S2得到的数据图像增强，生成多样化的数据； S4、构建基于快速傅里叶卷积的图像增强网络，使用全局感受野结合局部卷积与全局傅里叶变换分支，对步骤S3生成的多样化的数据增强，生成更高质量的增强图像； 所述步骤S2中多模态遮挡的前视声呐图像数据增强框架包括网格遮挡模块、随机擦除模块和粗略丢弃模块，模拟水下环境中不同类型的遮挡情况； 所述网格遮挡模块通过在图像上生成交替的网格状遮挡模式，掩盖部分像素，公式表示如下： 其中，d是网格的大小，表示网格的宽度和高度；x,y为图像中的像素坐标，网格遮挡生成一个二值掩码Mgrid，遮盖交替的网格单元，在应用网格掩码后，图像的遮挡结果表示为： Imaskedx,y＝Ix,y·Mgridx,y 其中，Ix,y是原始图像像素值，Imaskedx,y为遮挡后的图像； 所述随机擦除模块通过在图像中随机选择一个矩形区域，并将其像素值设为零，模拟随机噪声或不规则遮挡，公式表示如下： Rerase＝x1,y1,x2,y2 其中，x1,y1和x2,y2分别表示随机选择的矩形区域的左上角和右下角坐标，随机擦除后的图像表示为： 即，位于随机选定区域内的像素值被置零，其他区域保留原始图像像素值； 所述粗略丢弃模块通过在图像中生成多个不连续的矩形孔洞，模拟环境中的物体遮挡，多个多个不连续的矩形孔洞通过以下公式描述： 其中，n是随机生成的丢弃区域的数量，和表示第i个矩形区域的左上角和右下角坐标，遮挡结果表示为：

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200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。