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！

龙图腾网获悉南京大学申请的专利基于金字塔结构空间特征变换的高动态范围图像成像网络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：CN116977193B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202310039927.5，技术领域涉及：G06T5/90；该发明授权基于金字塔结构空间特征变换的高动态范围图像成像网络方法是由刘钦;廖均达;杜凌霄;黄梓彦设计研发完成，并于2023-01-12向国家知识产权局提交的专利申请。

本基于金字塔结构空间特征变换的高动态范围图像成像网络方法在说明书摘要公布了：基于金字塔结构空间特征变换的高动态范围成像网络方法，基于三个子网络：可形变卷积对齐网络、PSFT条件网络和可形变卷积残差密集块的融合网络；流程是：1利用gamma矫正将输入图像的曝光度对齐，再将曝光度对齐和曝光度未对齐的所有图像输入共享偏移量的可形变卷积对齐网络的两个卷积层得到初步图像特征；2曝光度对齐的图像特征在共享偏移量的可形变卷积对齐网络中进行几何对齐，将在几何对齐过程中得到的偏移量同样应用于未曝光度对齐的LDR图像特征进行几何对齐；只通过gamma矫正对齐曝光度；3将几何对齐后的曝光未对齐LDR图像特征输入基于PSFT的条件网络，得到优化特征得到高动态范围图像。

本发明授权基于金字塔结构空间特征变换的高动态范围图像成像网络方法在权利要求书中公布了：1.基于金字塔结构空间特征变换的高动态范围成像网络方法，其特征是，基于如下三个子网络：1共享偏移量的可形变卷积对齐网络；2基于金字塔结构空间特征变换PSFT的条件网络； 3基于可形变卷积残差密集块的融合网络；成像网络方法的流程是：1利用gamma矫正将输入图像的曝光度对齐，即将不同曝光度的图像的曝光度调整到相同水平，再将曝光度对齐和曝光度未对齐的所有图像输入共享偏移量的可形变卷积对齐网络的两个卷积层得到初步图像特征；2曝光度对齐的图像特征在共享偏移量的可形变卷积对齐网络中进行几何对齐，即对多个图像的几何特征做对齐处理，将在几何对齐过程中得到的偏移量同样应用于未曝光度对齐的LDR图像特征进行几何对齐；只通过gamma矫正对齐曝光度；3将几何对齐后的曝光未对齐LDR图像特征输入基于PSFT的条件网络，得到优化特征；4将所有得到的特征输入基于DERDB的融合网络，得到最终HDR图像即高动态范围图像； 对图像输入所述网络并在此网络中提取特征并进行特征层面对齐，所述网络为共享偏移量的可形变卷积对齐网络；对特征进行精化以充分利用图像之间补充信息的基于金字塔结构空间特征变换的条件网络、基于可形变卷积残差密集块的融合网络、对特征进行融合之前对齐特征后再精化特征的处理流程； 处理步骤为， 1-1多张不同曝光LDR图像生成HDR图像的步骤如下：由输入的不同曝光度LDR图像，记为L1,L2,L3，经过gamma矫正得到相应的曝光度对齐的图像，记为H1,H2,H3,其中gamma矫正的过程表示为： 其中表示的曝光时间，为gamma矫正中的参数，设定为2.2； 1-2将图像输入共享偏移量的可形变卷积对齐网络中提取特征并对齐；将曝光未对齐但几何对齐的图像特征输入基于PSFT的条件网络得到精化后的特征； 1-3将以上步骤得到的所有特征输入基于DERDB的融合网络得到最终生成的HDR图像；DERDB的融合网络，指可变形残差密集块可变形残差稠密块的融合网络； 1-4由可形变卷积对齐网络中提取特征并对齐的步骤如下： 1-4-1在对齐网络中，输入的{}经过两层卷积得到相应的初步特征其中和分别表示从和中提取的特征； 1-4-2将输入金字塔结构的可形变卷积对齐网络得到对齐后的特征，并将在此过程中学习到的偏移量应用于对的对齐； 该过程表示为： 其中表示学习到的偏移量，表示数个卷积层的映射，表示连接操作，表示可变形卷积操作，、表示对齐后的特征；：表示参考曝光对齐图像的特征；：是参考曝光对齐图像的特征，本参数来源于LDR域输入图像的特征然后对齐； 1-5对特征进行精化，以充分利用图像之间补充信息的基于金字塔结构空间特征变换的条件网络、即基于PSFT的条件网络进行特征精化的步骤如下： 1-5-1基于金字塔结构空间特征变换模块即PSFT模块对特征下采样得到不同空间规模的图像特征； 1-5-2对得到的不同规模的图像特征进行空间特征变换SFT过程，SFT过程表示为： 其中，表示学习得到的仿射变换参数，表示卷积层的映射，表示阿达玛乘积； 1-5-3由各层的结果通过上采样得到最终精化的图像特征，该过程表示为： 其中，表示在第层的中间条件网络，表示以2为基数的上采样，和表示数个卷积层的映射，表示通过SFT过程精化的第层特征； ：在第L层或是经过L层处理的像i，LDR域的对齐特征； ：在第L层上的由若干卷积层组成的映射函数； 第i张图片在第L层的中间条件； ：在第L层的仿射变换参数对； ：第L层的卷积层的映射函数； ：第i张图片在第L层经过SFT空间特征变换精炼后的特征； ：在L+1层的特征； ：是参考曝光对齐图像的特征，本参数来源于LDR域输入第L层图像的特征后对齐。

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大学，其通讯地址为：210093 江苏省南京市鼓楼区汉口路22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。