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！

龙图腾网获悉大连民族大学申请的专利一种基于特征融合与注意力嵌入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：CN116797488B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202310828756.4，技术领域涉及：G06T5/90；该发明授权一种基于特征融合与注意力嵌入的低照度图像增强方法是由孙静;孙胤邦;孙福明;王法胜;李豪杰设计研发完成，并于2023-07-07向国家知识产权局提交的专利申请。

本一种基于特征融合与注意力嵌入的低照度图像增强方法在说明书摘要公布了：一种基于特征融合与注意力嵌入的低照度图像增强方法，属于计算机图像技术领域，以TransformerBlock为基本单元，共包括三个模块：特征提取模块、U型FormerU‑Former模块和细节恢复模块。首先，特征提取模块利用具有不同色域的三个颜色空间来提取浅层特征，从而保留丰富的颜色和细节信息。此外，将通道注意力机制引入U型Former结构，以弥补空间维度信息交互的不足，防止通道维度信息的丢失，抑制噪声放大。最后，为了解决大多数现有方法中仅使用L1损失函数而导致的模型表达能力不足的问题，选择了四个损失函数并在LOL数据集上进行训练。实验结果证明本方法在各类基准数据集上均达到最好的效果。

本发明授权一种基于特征融合与注意力嵌入的低照度图像增强方法在权利要求书中公布了：1.一种基于特征融合与注意力嵌入的低照度图像增强方法，其特征在于包括下列步骤：本方法包括三个模块：特征提取模块、U型Former模块和细节恢复模块；首先，特征提取模块利用具有不同色域的三个颜色空间来提取浅层特征，从而保留丰富的颜色和细节信息；此外，将通道注意力机制引入U型Former结构，以弥补空间维度信息交互的不足，防止通道维度信息的丢失，抑制噪声放大；最后，为了解决大多数现有方法中仅使用L1损失函数而导致的模型表达能力不足的问题，选择了四个损失函数并在LOL数据集上进行训练； 损失函数包括SmoothL1损失函数、结构相似性损失函数、空间一致性损失函数和感知损失函数； SmoothL1损失是L1损失函数的改进版本，SmoothL1表达式为： 其中a为平衡系数，x为模型参数；LSL1为SmoothL1损失函数的计算结果，该函数精准地计算图像单像素间的相似性，它结合了L1和L2损失函数的优点，在总的损失函数中占主导地位； 结构相似性损失函数Lssim： 其中，xi和yi分别表示待测图像和标签图像的第i个像素；N表示图像的像素数量；为防止公式中分母为0，添加常数C1、C2；公式中的均值μ可以衡量图像的全局亮度，方差σ则反映了不同像素值的差异；在视觉领域可以衡量单张图像的对比度信息；协方差σxy衡量待测图像和标签图像之间的像素差异；Lssim表示结构相似性损失函数；因此，引入结构相似性损失函数，将会使得生成的图像在视觉感受上有着更大的相似度； 空间一致性损失函数Lspa不需要标签图像作参考，生成图像的较小局部区域内是光滑的； 其中，K为局部区域个数，Ωi是以像素i为中心的四个相邻区域，j表示Ωi内第j个像素，Y和I分别代表增强后图像和低照度图像，Lspa表示空间一致性损失函数的计算结果； 采用预训练VGG模型分别提取低照度图像和增强后图像的高级语义特征来计算它们之间的相似度Lper： 其中，j表示网络的第j层，φ.表示VGG预训练网络，CjHjWj表示第j层特征图的尺寸大小，Lper表示感知损失函数的计算结果； 本方法采用以上四种损失函数加权和作为总损失函数Ltotal，它的表达式为： Ltotal＝LSL1+αLssim+βLspa+γLper6 其中α，β，γ为平衡系数。

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大连民族大学，其通讯地址为：116600 辽宁省大连市经济技术开发区辽河西路18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。