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！

龙图腾网获悉华侨大学申请的专利基于细节敏感和噪声抑制融合的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：CN120563362B 。

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：202511062235.8，技术领域涉及：G06T5/70；该发明授权基于细节敏感和噪声抑制融合的图像增强方法及系统是由孙浩;杜永兆;傅玉青;张富举;雷昊翔设计研发完成，并于2025-07-31向国家知识产权局提交的专利申请。

本基于细节敏感和噪声抑制融合的图像增强方法及系统在说明书摘要公布了：本发明公开了基于细节敏感和噪声抑制融合的图像增强方法及系统，涉及图像处理技术领域，方法包括：输入的无标记显微细胞图像首先通过一个包含细节敏感增强、多尺度Haar小波下采样模块和损失函数约束的三分支网络进行处理；该网络提取多尺度梯度特征，并在频域分离出光照、反射和噪声分量。随后从原图中减去噪声并去除光照影响，得到无噪声反射图像。接着，采用Gamma校正优化光照分量，并通过Retinex方法与反射图像融合以增强图像质量。最后，结合细节敏感损失与噪声抑制损失对结果进行约束，获得高质量的输出。本发明通过三分支图像分解网络结合细节增强、频域分量分离与损失约束优化技术，实现了无标记显微细胞图像的高质量增强与噪声抑制。

本发明授权基于细节敏感和噪声抑制融合的图像增强方法及系统在权利要求书中公布了：1.一种基于细节敏感和噪声抑制融合的图像增强方法，其特征在于，包括： S1，将获取到的无标记显微细胞图像输入至三分支图像分解网络；所述三分支图像分解网络包括细节敏感增强模块、多尺度Haar小波下采样模块、噪声抑制重构模块和损失函数约束分解模块； S2，通过细节敏感增强模块对无标记显微细胞图像进行自适应细节增强处理，获取多尺度梯度特征； S3，将多尺度梯度特征嵌入多尺度Haar小波下采样模块，在频域中对光照分量、反射分量和噪声分量进行分离，获得分离后的光照分量、反射分量和噪声分量； S4，噪声抑制重构模块从无标记显微细胞图像中减去噪声分量，获得无噪声分量的细胞图像，将无噪声分量的细胞图像除以光照分量，获得消除光照分量的无噪声反射分量的细胞图像； S5，通过Gamma校正对分离后的光照分量进行优化处理，获得优化的光照分量；损失函数约束分解模块通过Retinex重构损失函数将优化的光照分量与消除光照分量的无噪声反射分量的细胞图像融合，获得增强后的无标记显微细胞图像；所述Retinex重构损失函数基于分离后的反射分量构建； S6，通过引入细节敏感损失项和照明先验的噪声抑制损失项对增强后的无标记显微细胞图像进行约束，获得最终的无标记显微细胞图像； 细节敏感损失项的计算公式如下： 其中，wx表示在位置x处的权重函数；wy表示在位置y处的权重函数；Ld表示细节敏感增强损失项；α、λ1和λ2表示权重系数；表示函数Sx,y对变量x的偏导数；表示函数Sx,y对变量y的偏导数；S表示Sx,y；||||1表示L1范数；R表示Rx,y；表示Sx,y的梯度；表示L2范数； 权重函数wx的计算公式如下： 其中，Gσ为高斯滤波器；标准差σ控制局部梯度敏感范围；*表示卷积算子；Ig表示输入的灰度版本；ε表示常数，用于避免分母为零； 照明先验的噪声抑制损失项的计算公式如下： 其中，Ln表示照明先验的噪声抑制损失项；λ3表示第三权重系数；λ4表示第四权重系数；λ5表示第五权重系数；λ6表示第六权重系数；S表示照明分量；S0表示输入的无标记显微细胞图像的初始光照估计；||X||F表示X矩阵的Frobenius范数；γ为调节参数，用于使权重更集中于暗区； wn和wr为照明引导权重项，计算公式如下： 其中，normalize表示最小与最大归一化；exp表示指数权重函数；Ix,y表示无标记显微细胞图像在坐标x,y处的特征图；表示函数Rx,y在位置x,y处的梯度。

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侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269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。