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！

龙图腾网获悉西昌学院申请的专利一种基于多尺度融合的极低光照烟叶图像增强方法及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：CN119887604B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202510364790.X，技术领域涉及：G06T5/92；该发明授权一种基于多尺度融合的极低光照烟叶图像增强方法及系统是由李军;张铎骞;虞知音;郑传刚;吕腾飞;曾陈萍;潘兴斌设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本一种基于多尺度融合的极低光照烟叶图像增强方法及系统在说明书摘要公布了：本发明公开了一种基于多尺度融合的极低光照烟叶图像增强方法及系统，属于烟叶图像增强技术领域。方法包括：S1：获取极低光照烟叶图像数据；S2：将彩色的极低光照烟叶图像拆分成R、G、B三个颜色通道；S3：通过直方图均衡化方法使模糊区域更清晰得到第一图像；S4：通过使用双Gamma校正算法适应不同光照条件，提升视觉一致性得到第二图像；S5：使用改进的CLAHE算法保留烤房烟叶图像的经络，提升图像质量得到第三图像；S6：使用细节增强算法提升烤房烟叶图像的特定区域细节，保留细节特征最终得到烤房烟叶烘烤增强图像。通过多种算法的结合，本发明即使在信噪比低、细节信息丢失、色彩失真等严重退化的极低光照条件下也能实现烟叶图像的有效增强。

本发明授权一种基于多尺度融合的极低光照烟叶图像增强方法及系统在权利要求书中公布了：1.一种基于多尺度融合的极低光照烟叶图像增强方法，其特征在于：包括以下步骤： S1：获取极低光照烟叶图像数据； S2：将彩色的极低光照烟叶图像拆分成R、G、B三个颜色通道； S3：通过直方图均衡化方法提升极低光照烟叶图像的全局对比度，增强图像整体对比度，使模糊区域更清晰得到第一图像； S4：通过使用双Gamma校正算法来增强第一图像的亮度和对比度，适应不同光照条件，提升视觉一致性得到第二图像； S5：使用改进的CLAHE算法自适应第二图像的局部对比度，保留烤房烟叶图像的经络，提升图像质量得到第三图像； S6：使用细节增强算法中的高频滤波来增强第三图像的叶片经络，提升烤房烟叶图像的特定区域细节，保留细节特征最终得到烤房烟叶烘烤增强图像； 所述的双Gamma校正算法包括以下步骤： 对第一图像进行归一化；然后计算统计特征得到平均亮度和标准差；根据平均亮度、标准差计算暗部Gamma值rdark、亮部Gamma值rbright； rdark=γ*1-αd*μ+βd*σ；rbright=γ*1+αb*μ+βb*σ；其中μ表示图像平均亮度；σ表示图像标准差；αd表示暗部亮度权重系数；βd表示暗部对比度权重系数；αb表示亮部亮度权重系数；βb表示亮部对比度权重系数；γ是全局Gamma值； 接着进行暗部映射Odarki和亮部映射Obrighti，然后使用平滑过渡函数Oi融合进行平滑过渡，生成查找表，应用查找表进行校正得到第二图像； ； ； Oi=wi*Odarki+1−wi*Obrighti；其中wi=0.5+0.5*cosπ*i-tr，表示输出的权重值；t表示阈值点，即暗部和亮部的分界点；r表示过渡区域范围，即平滑过渡区间的宽度；i表示输入像素值； 所述的改进的CLAHE算法包括以下步骤： 输入第二图像，将第二图像转换到LAB色彩空间，分离L、A、B通道，计算L通道直方图； 对L通道直方图进行首次分块处理得到图像块，对各个图像块设置自适应阈值，并进行双线性插值操作消除块效应得到第一图像块； 对L通道使用局部直方图均衡化： ；其中，Llab_out1x,y表示使用局部直方图算法对图像的均衡化结果；Llab_inx,y表示输入L通道图的局部值；maxLlab_inx,y和minLlab_inx,y分别表示当前局部区域内的最大L通道值和最小L通道值； 对L通道使用Laplacian算子计算L通道的Laplacian值的方差： ；其中，lapvar表示拉普拉斯算子的方差；∇²表示拉普拉斯算子；Llab_out1x,y表示L通道局部直方图均衡化的图像；Var表示方差计算函数； 拉普拉斯算子计算公式： ；其中，表示拉普拉斯算子计算公式； 拉普拉斯方差计算公式： ；其中，Nlab表示L通道局部直方图均衡化的图像的像素总数；μ表示拉普拉斯算子的均值； 进行限制处理：cliplimit=min40.0,2.0+αlab×ln1+lapvar；其中，cliplimit表示对比度限制值；αlab表示缩放系数；lapvar表示拉普拉斯算子方差； 改进CLAHE：对L通道再次使用局部直方图均衡化： ；其中，Llab_out2x,y表示对Llab_out1图像的均衡化结果；maxLlab_out1x,y和minLlab_out1x,y分别表示当前局部区域内的最大L通道值和最小L通道值； 对L通道使用双线性插值消除块效应： ；其中，x'和y'分别表示对Llab_out2x,y仿射之后的x坐标和y坐标；表示仿射变换矩阵；x和y分别表示Llab_out2x,y的x坐标和y坐标； 合并通道、a通道、b通道，将Lab颜色通道转换成RGB颜色通道的图像Ienhance_clahex,y； 对第一图像块进行再次分块处理，并对再次分块后的各个图像块设置自适应阈值，并再次进行双线性插值操作消除块效应得到第三图像； 所述的细节增强算法包括以下步骤： 输入第三图像，对第三图像进行图像预处理，包括图像归一化、计算图像统计特征和自适应参数； 对预处理后的图像进行图像细节提取，包括多尺度高斯滤波、细节层分离、权重计算和细节增强； 对细节提取后的图像进行图像增强优化，包括局部对比度增强、边缘检测增强和自适应融合； 对增强优化后的图像进行精细化处理，包括双边滤波优化、噪声抑制和结果归一化最终得到烤房烟叶烘烤增强图像。

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西昌学院，其通讯地址为：615000 四川省凉山彝族自治州西昌市马坪坝西昌学院；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。