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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于分组增强卷积注意力特征融合的高光去除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：CN120580154B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202510684280.0，技术领域涉及：G06T5/60；该发明授权一种基于分组增强卷积注意力特征融合的高光去除方法是由胡海洋;孙汝帆设计研发完成，并于2025-05-26向国家知识产权局提交的专利申请。

本一种基于分组增强卷积注意力特征融合的高光去除方法在说明书摘要公布了：本发明公开一种基于分组增强卷积注意力特征融合的高光去除方法，属于图像处理技术领域。该方法基于CycleGAN网络构建高光去除模型，所述高光去除模型由生成器、判别器和损失函数优化模块组成。生成器含细节增强深度下采样、上采样和分组增强卷积注意力融合模块，能有效捕捉图像细节，减少棋盘伪影，增强特征融合与捕捉能力；判别器采用PatchGAN结构提升局部细节捕捉能力；优化后的损失函数综合多种损失，提升模型性能。实验结果表明，与多种传统及深度学习方法相比，本发明方法在PSNR和SSIM指标上表现更优，适应性强，能为电梯门头零件后续检测提供高质量图像数据。

本发明授权一种基于分组增强卷积注意力特征融合的高光去除方法在权利要求书中公布了：1.一种基于分组增强卷积注意力特征融合高光去除方法，其特征在于，所述方法包括如下步骤： 步骤1、获取包含高光干扰的图像作为X域图像，获取无高光图像作为Y域图像； 步骤2、构建高光去除模型，利用X域图像和Y域图像对高光去除模型进行训练；在训练过程中，采用复合损失函数对高光去除模型参数进行优化； 所述高光去除模型采用CycleGAN架构，包括第一生成器、第二生成器、第一判别器和第二判别器； 所述第一生成器将Y域图像转换为X域图像，所述第二生成器将X域图像转换为Y域图像；所述第一判别器接收第一生成器生成的X域图像，判断真伪后输入至第二生成器生成Y域图像；所述第二判别器接收第二生成器生成的Y域图像，判断真伪后输入至第一生成器生成X域图像； 所述第一生成器、第二生成器结构相同，均采用U-Net编码器-解码器结构；其中，编码器下采样过程采用级联的第一至第五下采样块，每个所述下采样块包括依次级联的激活函数、细节增强深度下采样DED和批归一化层；解码器采用级联的第一至第五上采样块，同层的下采样块和上采样块之间采用跳跃连接，所述跳跃连接上串联有一个分组增强卷积注意力融合模块CAFGfusion； 其中，所述细节增强深度下采样DED包括两个分支，第一分支包括级联的细节增强卷积和3×3深度可分离卷积，第二分支包括一个3×3深度可分离卷积，两个分支分别对输入进行处理后进行融合；所述细节增强卷积包括并行普通卷积、水平差分卷积、垂直差分卷积、中心差分卷积和角度差分卷积；所述分组增强卷积注意力融合模块CAFGfusion将低层次特征和高层次特征相加，然后将相加后的结果输入CAFG模块进行处理，与原始的低层次特征和高层次特征分别逐元素相乘，再与原始的低层次特征和高层次特征进行拼接融合得到注意力权重，最后通过1×1卷积对融合结果进行特征整合；CAFG模块包括两个分支；其中，第一分支使用1×1卷积调整通道维度，随后执行通道混洗操作混合通道信息，再经3×3×3卷积得到分支输出；第二分支经1×1卷积后分别经三个并行的3×3深度可分离卷积得到注意力机制的查询Q、键K和值V，之后，将Q和K进行点积并然后通过Softmax函数转换为注意力权重，将注意力权重与V相乘，对值进行加权，最后通过1×1卷积进行特征整合；将第一分支和第二分支的输出结果进行融合后经7×7分组卷积结合Sigmoid激活函数得到输出特征； 步骤3、获取电梯门头零件图像并进行预处理； 步骤4、利用训练好的高光去除模型对预处理后的电梯门头零件图像进行高光去除处理，得到无高光的图像。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。