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！

龙图腾网获悉西安理工大学申请的专利基于事件相机的弱光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：CN115082341B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202210723127.0，技术领域涉及：G06T5/94；该发明授权基于事件相机的弱光图像增强方法是由金海燕;王乔斌;苏浩楠;肖照林;蔡磊;王彬;刘瑾设计研发完成，并于2022-06-24向国家知识产权局提交的专利申请。

本基于事件相机的弱光图像增强方法在说明书摘要公布了：本发明公开了一种基于事件相机的弱光图像增强方法，首先选取一个具有正常光照图像和事件流的数据集，要求正常光照图像和事件流在空间上是配对的，之后由正常光照图像生成梯度图像和含噪声的弱光图像，预处理事件流得到具有良好边缘信息的事件伪图像；然后重建梯度图像并进行增强，设计特征融合模块，添加条件鉴别器，对于梯度分支和弱光图像增强分支搭建的神经网络进行训练，保存神经网络的模型，最后测试模型，输出增强后的图像。本发明通过事件重建的梯度图指导弱光图像在图像域的增强，可以获得边缘信息丰富的正常光图像。

本发明授权基于事件相机的弱光图像增强方法在权利要求书中公布了：1.基于事件相机的弱光图像增强方法，其特征在于，具体按照以下步骤实施： 步骤1、数据集合成，选取一个具有正常光照图像和事件流的数据集，要求正常光照图像和事件流在空间上是配对的，之后由正常光照图像生成梯度图像和含噪声的弱光图像，预处理事件流得到具有良好边缘信息的事件伪图像； 步骤2、采用UNet梯度分支将步骤1得到的事件伪图像重建为梯度图像；所述步骤2具体如下： 步骤2.1、首先利用深度学习框架PyTorch的dataset类，并在该类中图片进行transform操作，首先将图片转换为张量格式，并进行归一化操作，之后进行标准化处理，如公式（6）所示： （6） 其中表示第c个通道的输出，表示的c个通道的输入，表示第c个通道的均值，表示第c个通道的方差，接下来通过DataLoader对数据进行打包； 步骤2.2、对于打包后的数据，对其先进行特征提取得到特征图，选用UNet作为梯度分支的主干网，通过步长为2的卷积操作代替最大池化操作，之后通过batchnorm算法对数据范围进行调整，紧接着使用ReLU激活函数进行激活，在此进行七次下采样，之后通过步长为2的反卷积操作进行上采样，使用batchnorm算法对数据范围进行调整并使用ReLU激活函数，同样的进行七次上采样，最后对上采样的特征图进行梯度图重建，得到重建的梯度图像，进行padding操作，将步骤1.2获得的弱光图像的信息引入梯度分支，具体的如卷积公式（7）、（8）所示和反卷积公式（9）、（10）所示： （7） （8） （9） （10） 其中表示输出图像的高度，表示输出图像的宽度，表示输入图像的高度，p表示padding大小，k表示卷积核大小，s表示步长，表示输入图像的宽度； 步骤2.3、对于梯度分支输出的重建梯度图和梯度参考图，使用L1loss，如公式（11）（12）所示， （11） （12） 其中L表示所有像素点损失值的和，x,y分别表示像素点的坐标位置，分别表示像素值，n表示像素点的个数，表示损失值，这里采用均值的方式计算损失值，利用损失值完成对梯度分支参数的更新，得到更新后的梯度分支； 步骤3、采用UNet弱光图像增强分支对步骤1得到的弱光图像进行增强，得到增强后的图像； 所述步骤3具体如下： 步骤3.1、对于步骤2.1的打包的数据输入图像增强分支，选用UNet作为图像增强分支的主干网，用步长为2的卷积操作代替下采样操作，之后进行batchnorm和ReLU操作，重复七次，之后用步长为2的反卷积完成上采样操作，之后进行batchnorm和ReLU操作，重复七次，得到特征图，并对特征图进行一次卷积和ReLU操作，得到通道数为3的输出图像； 步骤3.2、对于图像增强分支的输出图像和正常光照图像计算L1loss，判断输出图像和正常光照图像哪个为真，采用MSEloss，如公式（13）（14）所示， （13） （14） 其中L表示所有像素点损失值的和，分别表示像素值，表示损失值，x,y表示像素点的坐标位置，这里采用均值的方式，利用损失值对图像增强分支参数进行更新，得到更新后的弱光图像增强分支； 步骤4、设计特征融合模块，特征融合模块即采用基于通道和空间注意力的模块CBAM，将步骤2中梯度图像包含的信息融合到步骤3的弱光图像增强分支； 步骤5、添加条件鉴别器，条件为事件伪图像和梯度图像，生成更加真实的增强图像； 步骤6、对于步骤2梯度分支和步骤3弱光图像增强分支搭建的神经网络进行训练300个epoch，验证训练结果，保存神经网络的模型； 步骤7、测试步骤6保存的神经网络的模型，输出增强后的图像。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。