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！

龙图腾网获悉北京航空航天大学申请的专利一种基于深度可分离卷积的低光照图像快速清晰化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：CN118781001B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202410977473.0，技术领域涉及：G06T5/60；该发明授权一种基于深度可分离卷积的低光照图像快速清晰化方法是由李红光;魏世泽;杨丽春;李新军设计研发完成，并于2024-07-19向国家知识产权局提交的专利申请。

本一种基于深度可分离卷积的低光照图像快速清晰化方法在说明书摘要公布了：本发明公开了一种基于深度可分离卷积的低光照图像快速清晰化方法，属于图像处理的技术领域，包括以下步骤，在夜间采集图像，作为待处理图像集，并划分为训练集和验证集构建低光照图像清晰化网络模型，构建训练用的损失函数，将训练集输入到低光照图像清晰化网络模型中，进行训练，并通过损失函数优化低光照图像清晰化网络模型的参数，得到训练好的处理模型，将验证集输入到处理模型中，得到清晰化后的图片；本发明采用上述方法，使得对亮度较低的图像有很好的增强效果，实现了在不需要额外的参考图像的条件下，只使用低光照图像即可完成对处理模型的训练，并实现了快速低光照图像清晰化的效果。

本发明授权一种基于深度可分离卷积的低光照图像快速清晰化方法在权利要求书中公布了：1.一种基于深度可分离卷积的低光照图像快速清晰化方法，其特征在于：包括以下步骤： S1：使用若干个低亮度图像作为待处理图像集，并随机划分为训练集和验证集 S2：构建低光照图像清晰化网络模型，包括编码器、特征提取模块、解码器和调整曲线模块； S3：构建训练用的损失函数，包括空间一致性损失，曝光控制损失，颜色恒定性损失，照明平滑性损失； S4：将训练集输入到低光照图像清晰化网络模型中，进行训练，并通过步骤S3中的损失函数优化低光照图像清晰化网络模型的参数，得到训练好的处理模型； S5：将验证集输入到处理模型中，得到清晰化后的图片； 步骤S2中，编码器的结构如下： 包括一个基础的3*3的卷积和若干个步长为2的3*3卷积，每个步长为2的3*3卷积的输出端均连接有多尺度模块； 多尺度模块中，先经过批处理归一化模块，再分别连接三个卷积核大小不同的DW卷积模块计算不同尺度的特征，再对计算得到的不同尺度的特征进行拼接，拼接结果再经过PW卷积降维到原始通道数，最后经过ReLU激活函数后与原始输入进行元素相加得到输出结果； 步骤S2中，特征提取模块的结构如下： 特征提取模块包括若干个类注意力卷积模块，类注意力卷积模块的结构如下，将编码器的输出作为输入，依次经过批处理归一化模块和PW卷积模块，并分别经过Sigmoid激活函数和DW卷积，将得到的结果进行元素相乘后，再使用PW卷积调整通道数，并将处理后结果采用残差结构与原始输入进行逐像素相加，得到输出结果； 步骤S2中，解码器的结构如下： 包括若干个上采样块，上采样块包括一个放大倍数为两倍的可微分的双线性插值层，每个上采样块后面均连接有处理模块，处理模块包括一个卷积层，卷积核的大小设置为3*3，卷积层的输出端连接有一个批处理归一化模块和一个ReLU激活层，再连接softmax层，获得最终输出结果，并将解码器的输出结果与调整曲线模块的输入相连接。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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”。