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基于残差密集块的轻量级暗光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：CN116664446B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202310783361.7，技术领域涉及：G06T5/70；该发明授权基于残差密集块的轻量级暗光图像增强方法是由顾国华;徐秀钰;万敏杰;王佳节;龚晟;陈钱;韶阿俊;许运凯设计研发完成，并于2023-06-28向国家知识产权局提交的专利申请。

本基于残差密集块的轻量级暗光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残差密集块的轻量级暗光图像增强方法，包括以下步骤：获取成对暗光图像数据集；构建条件生成对抗网络模型，包括设计基于残差密集块和通道注意力机制的轻量级生成器网络以及全卷积鉴别器网络；确定基于全局相似损失、结构相似损失、内容相似损失、色彩相似损失和局部纹理损失的多模态损失函数；训练并测试条件生成对抗网络模型。本发明能在RTX2080Ti显卡上以每秒36帧的速度处理400*600大小的暗光图像，通过本发明增强的暗光图像更符合人眼的观测习惯，在峰值信噪比、结构相似性等常用图像评价指标上表现优越。

本发明授权基于残差密集块的轻量级暗光图像增强方法在权利要求书中公布了：1.一种基于残差密集块的轻量级暗光图像增强方法，其特征在于，包括以下步骤： 步骤1、获取成对暗光图像数据集，所述成对暗光图像数据集由暗光图像及其对应的正常光图像组成； 步骤2、构建条件生成对抗网络模型，所述条件生成对抗网络模型包括生成器网络和鉴别器网络，其中，生成器网络为基于残差密集块和通道注意力机制的轻量级网络，鉴别器网络为全卷积网络；所述生成器网络包括输入层、隐藏层、输出层，所述输入层用于输入RGB三通道的暗光图像，所述隐藏层通过卷积运算对输入图像进行特征提取，所述输出层用于输出处理结果；隐藏层中包含3个残差密集块；所述生成器隐藏层的具体结构为： 卷积层1：将输入层输入的M*N*3的图像作为输入，经32个步长为1的3*3卷积核卷积以及LeakyReLU激活函数激活后，输出通道数为32的M*N的特征图，M和N分别为输入图像的长和宽； 卷积层2：将卷积层1输出的M*N*32的特征图作为输入，经32个步长为1的3*3卷积核卷积以及LeakyReLU激活函数激活后，输出通道数为32的M*N的特征图； 残差密集块1：将卷积层2输出的M*N*32的特征图作为输入，经3个密集连接层、1个局部特征融合层、1个通道注意力层以及1个局部残差学习层后，输出通道数为32的M*N的特征图； 残差密集块2：将残差密集块1输出的M*N*32的特征图作为输入，经3个密集连接层、1个局部特征融合层、1个通道注意力层以及1个局部残差学习层后，输出通道数为32的M*N的特征图； 残差密集块3：将残差密集块2输出的M*N*32的特征图作为输入，经3个密集连接层、1个局部特征融合层、1个通道注意力层以及1个局部残差学习层后，输出通道数为32的M*N的特征图； 连接层1：输入经残差密集块1、残差密集块2和残差密集块3处理的3个特征图，经连接层连接后，输出通道数为96的M*N的特征图； 通道注意力层1：输入连接层输出的M*N*96的特征图，在引入通道注意力机制将特征图从通道上进行区分关注后，输出通道数为96的M*N的特征图； 卷积层3：将通道注意力层1输出的M*N*96的特征图作为输入，经32个步长为1的3*3卷积核卷积后，输出通道数为32的M*N的特征图； 卷积层4：将卷积层3输出的M*N*32的特征图作为输入，经32个步长为1的3*3卷积核卷积以及LeakyReLU激活函数激活后，输出通道数为32的M*N的特征图； 残差学习层1：输入经卷积层1以及卷积层4处理的2个特征图，经逐像素加法操作后，输出通道数为32的M*N的特征图； 卷积层5：将残差学习层1输出的M*N*32的特征图作为输入，经3个步长为1的3*3卷积核卷积以及sigmoid激活函数激活后，输出通道数为3的M*N的特征图； 步骤3、确定一个用于度量模型预测值与真实值差异的多模态损失函数，所述损失函数由全局相似损失、结构相似损失、内容相似损失、色彩相似损失和局部纹理损失组成； 步骤4、使用成对暗光图像数据集中的训练图像对条件生成对抗网络模型进行对抗训练，并通过多模态损失函数获得用于优化网络的损失值，直至获得预测性能好的生成器网络模型； 步骤5、将采集的暗光图像输入训练好的生成器网络模型，获得增强后图像。

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街道200号南京理工大学；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。