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！

龙图腾网获悉三亚学院申请的专利基于深度学习和联合双边滤波的图像动态范围压缩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：CN120852260B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202511349239.4，技术领域涉及：G06T5/90；该发明授权基于深度学习和联合双边滤波的图像动态范围压缩方法是由王宏海设计研发完成，并于2025-09-22向国家知识产权局提交的专利申请。

本基于深度学习和联合双边滤波的图像动态范围压缩方法在说明书摘要公布了：本发明公开一种基于深度学习和联合双边滤波的图像动态范围压缩方法，包括步骤：收集原始高比特位图像数据，构建数据集，并对数据集进行初步处理，得到线性RGB图和Y通道图；结合UNet的跳跃连接结构与ShuffleNet的高效轻量单元构建深度学习网络，利用深度学习网络对线性RGB图和Y通道图进行处理，得到亮度增益图；借助联合双边滤波上采样操作对亮度增益图和原始高比特位图像进行处理，得到原始分辨率亮度增益图；对原始高比特位图像进行逆向gamma操作，再除以原始分辨率亮度增益图后通过gamma操作得到压缩后的8bit图像。本发明实现一个动态范围调整算法，从高比特位到低比特位的映射的过程，利于恢复高光细节，拉亮暗处细节，并保持良好的图像对比度。

本发明授权基于深度学习和联合双边滤波的图像动态范围压缩方法在权利要求书中公布了：1.一种基于深度学习和联合双边滤波的图像动态范围压缩方法，其特征在于，所述方法包括如下步骤： S1收集原始高比特位图像数据，构建数据集，并对数据集进行初步处理，得到线性RGB图和Y通道图； S2结合UNet的跳跃连接结构与ShuffleNet的高效轻量单元构建深度学习网络，利用深度学习网络对线性RGB图和Y通道图进行处理，得到亮度增益图； Sb1构建深度学习网络：采用由Encoder部分、Bottleneck部分和Decoder部分，结合UNet的跳跃连接结构与ShuffleNet的高效轻量单元构建深度学习网络结构；其中，Encoder部分采用基于ShuffleNet的ShuffleNetV2高效轻量单元，引入通道洗牌操作处理，通过一系列卷积操作逐步降低图像的分辨率，同时增加特征通道数，实现多层次特征的提取；Bottleneck部分借助ShuffleNet的深度可分离卷积结构，通过深度可分离卷积处理获得压缩后调色的非线性图像，降低卷积运算的参数数量与计算量；Decoder部分采用UNet的跳跃连接结构，逐步恢复图像的空间分辨率，同时，通过跳跃连接将Encoder部分的多层次特征与Decoder部分处理后的特征进行融合，恢复图像的空间细节信息； Sb2深度学习网络的输入：将经过逆向gamma得到的线性RGB图和Y通道图一同作为深度学习网络的输入； Sb3深度学习网络的输出和处理：经深度学习网络处理后输出动态范围调整后的y非线性域图，再对其进行逆向gamma操作获得y线性域图，同时对线性RGB图进行逆向gamma操作得到Y线性域图，通过将Y线性域图除以y线性域图，得到分辨率为512×512的亮度增益图； S3借助联合双边滤波上采样操作对亮度增益图和原始高比特位图像进行处理，得到原始分辨率亮度增益图； S4对原始高比特位图像进行逆向gamma操作，再除以原始分辨率亮度增益图后通过gamma操作得到压缩后的8bit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三亚学院，其通讯地址为：572022 海南省三亚市吉阳区迎宾路落笔洞；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。