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！

龙图腾网获悉西北工业大学申请的专利一种面向空间暗弱目标的多模态大模型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：CN121414615B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511959286.0，技术领域涉及：G06T5/60；该发明授权一种面向空间暗弱目标的多模态大模型图像增强方法是由连晓斌;张柠佳;宁昕;魏琳森;闫循良;李文龙设计研发完成，并于2025-12-24向国家知识产权局提交的专利申请。

本一种面向空间暗弱目标的多模态大模型图像增强方法在说明书摘要公布了：本发明提出一种面向空间暗弱目标的多模态大模型图像增强方法，通过微调多模态大模型提升低信噪比图像质量。方法采用图文联合训练框架，先构建含原始图像、增强图像及提示信息的训练数据集；再扩展预训练大语言模型输入结构，使其适配图文双模态，将图像增强转化为图文条件生成任务，通过指令微调让模型学习增强语义规则与结构特征。推理阶段，用户输入原始图像及增强提示，模型即可生成增强结果，实现暗弱区域结构恢复、亮度提升及边缘增强，显著提升弱小目标可见性与清晰度。相较于传统方法，该方法上下文适应能力更强、目标增强精度更高，可应用于航天遥感、红外监测、弱小目标识别等复杂环境下的图像处理任务。

本发明授权一种面向空间暗弱目标的多模态大模型图像增强方法在权利要求书中公布了：1.一种面向空间暗弱目标的多模态大模型图像增强方法，其特征在于，包括以下步骤： 步骤1：数据构建与预处理，采集航天遥感、红外监测场景下包含暗弱目标的空间图像作为原始图像，利用传统图像增强算法生成对应增强图像作为伪标签或参考结果，同时为每对原始图像与增强图像编写语义提示信息，形成原始图像-增强图像-语义提示的多模态训练样本； 所述语义提示信息包括目标类型、图像场景描述、增强需求关键词中的至少一种，用于引导模型实现局部强化与背景抑制； 步骤2：模型设计与微调，选用预训练多模态大模型，扩展其图像输入模块，采用卷积神经网络或视觉变换器作为特征提取器，将图像表示转换为与文本嵌入对齐的向量表示； 步骤3：模型训练与优化，将图像增强任务转化为图文条件生成任务，以原始图像与语义提示作为输入，以目标增强图像作为输出监督信号，采用指令微调方式训练模型，训练过程中引入提示学习机制优化可学习提示向量，同时引入二元交叉熵损失函数约束提示学习收敛方向，以DCE-Net作为轻量化基线模型，融合零参考损失函数进行训练优化； 所述指令微调采用有监督训练与跨模态对比学习相结合的方式，通过图像与文本表示的一致性约束，提升模型的多模态对齐能力； 所述二元交叉熵损失函数中，正样本为经过4×4平均处理的图像，标签记为0；负样本为经过1:4下采样的图像，标签记为1；模型基于提示与图像之间的余弦相似度计算得到概率分布，通过该损失函数区分不同质量的图像； 所述零参考损失函数包括曝光控制损失、空间一致性损失、颜色恒常性损失、照明平滑损失中的至少一种； 步骤4：推理与应用，接收用户输入的待增强原始图像及自然语言提示，通过训练后的模型生成增强图像，实现暗弱目标可见性与结构清晰度的提升。

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北工业大学，其通讯地址为：710000 陕西省西安市碑林区友谊西路127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。