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！

龙图腾网获悉上海大学申请的专利基于无监督学习的内窥镜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：CN113808057B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202110885619.5，技术领域涉及：G06T5/50；该发明授权基于无监督学习的内窥镜图像增强方法是由刘金华;黄东晋;周舒华;石永生设计研发完成，并于2021-08-03向国家知识产权局提交的专利申请。

本基于无监督学习的内窥镜图像增强方法在说明书摘要公布了：本发明涉及一种基于无监督学习的内窥镜图像增强方法，包括四个步骤：1对原始内窥镜图像数据集进行预处理，利用三种图像增强技术处理原始图像得到三张派生图；2将原始图像和其对应的派生图转换到HSI颜色空间，保持H通道图像不变，将派生图的I通道图像输入无监督学习网络，进行深度网络模型训练；3根据网络训练后得到的训练参数，得到I通道图像增强结果；4对原始图像的S通道图像进行自适应非线性拉伸处理，并将HSI颜色空间转换回RGB颜色空间输出最终增强图像。本发明的无监督学习网络不需要groundtruth作为参考图像，通过non‑reference损失函数实现网络的训练。该方法较现有方法在对比度、清晰度和细节信息方面都有显著的提高，具有很高的临床应用价值。

本发明授权基于无监督学习的内窥镜图像增强方法在权利要求书中公布了：1.一种基于无监督学习的内窥镜图像增强方法，其特征在于，操作步骤如下： 步骤1：对原始内窥镜图像数据集进行预处理，利用三种图像增强技术处理原始图像得到三张派生图； 步骤2：将原始内窥镜图像和其对应的派生图转换到HSI颜色空间，保持H通道图像不变，将派生图的I通道图像输入无监督学习网络，进行深度网络模型训练； 步骤3：根据网络训练后得到的训练参数，得到I通道图像增强结果； 步骤4：对原始内窥镜图像的S通道图像进行自适应非线性拉伸处理，并将HSI颜色空间图像转换回RGB颜色空间输出最终增强图像； 所述步骤2的网络模型包括如下具体操作步骤： 2-1：将RGB颜色空间转换到HSI颜色空间； 2-2：无监督学习网络，称为DerivedFuse，它由三个部分组成，分别是特征提取、特征融合和重建；将数据集中的派生图的I通道图像输入无监督学习网络DerivedFuse进行训练，最终得到预测图； 2-3：目标函数为non-reference损失函数，其值受输入网络图像的luminance，contrast和structure三个分量影响； 所述目标函数表达式如下： 其中，if表示实际从DerivedFuse输出的融合图像中同一空间位置提取的图像patch，代表期望的融合图像patch；为的方差；为和if的协方差；C代表常数；的计算公式为 和分别表示期望的luminance，contrast和structure分量； SSIM将任何给定的图像patch分解为luminance，contrast和structure三个分量，则派生图n在HSI颜色空间I通道图像中的相同空间位置提取的输入图像patchesin可由公式3表示： 其中，n表示派生图数量；||·||表示向量的l2范数；表示in的平均值；ln，cn和sn分别表示in的luminance、contrast和structure分量； 为了获得高对比度的融合图像，选取HSI颜色空间I通道中三个不同图像块的最大对比度作为if的期望contrast的详细表达式如下： 其中，max表示取均值； 为了融合CLAHE派生图和LIME派生图的纹理结构信息，期望的structure的详细表达式如下： 为了获得高亮度的融合图像，选取HSI颜色空间I通道中三个不同图像块的亮度均值作为if的期望luminance的详细表达式如下： 其中，mean表示取均值； 2-4：网络模型采用学习率为0.002的优化算法，总共训练100个epochs。

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上海大学，其通讯地址为：200444 上海市宝山区上大路99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”。