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！

龙图腾网获悉西南科技大学申请的专利基于状态空间编码对夜间混凝土图像进行增强的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：CN120198310B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202510689359.2，技术领域涉及：G06T5/60；该发明授权基于状态空间编码对夜间混凝土图像进行增强的方法是由罗亮;刘炫毅;权震华;邓文科;陈婧汇;何长林;杨芳设计研发完成，并于2025-05-27向国家知识产权局提交的专利申请。

本基于状态空间编码对夜间混凝土图像进行增强的方法在说明书摘要公布了：本发明公开了一种基于状态空间编码对夜间混凝土图像进行增强的方法，涉及数字图像处理领域，包括：S1、基于状态空间卷积深度网络技术，构建基于状态空间模块和卷积模块组成的夜间混凝土图像增强算法；S2、基于S1中的夜间混凝土图像增强算法构建训练模型；S3、将测试样本输入到S2构建的训练模型中，以得到增强后的混凝土图像，所述训练模型基于损失函数对增强效果进行评价。本发明提供一种基于状态空间编码的夜间混凝土图像增强方法，通过所提出的夜间混凝土图像增强算法分别用于不同层次下的图像的特征提取和多层次特征融合，相较于基于Transformer的低光照增强算法提高了性能，减少了模型的参数量，加快了推理速度。

本发明授权基于状态空间编码对夜间混凝土图像进行增强的方法在权利要求书中公布了：1.一种基于状态空间编码对夜间混凝土图像进行增强的方法，其特征在于，包括： S1、利用状态空间卷积深度网络技术，构建一种结合状态空间模块和卷积模块的夜间混凝土图像增强算法； S2、根据S1中的夜间混凝土图像增强算法，构建并训练神经网络模型； S3、将测试样本输入到训练好的神经网络模型中，获得增强后的图像，并通过模型中的整体损失函数对增强效果进行评估,如果增强效果达到预期要求，则认为神经网络模型训练完成；如果未达到要求，则返回至S2阶段进行进一步调整； S4、将训练好的神经网络模型部署到边缘设备中，以通过神经网络模型对夜间的混凝土下落图像进行增强，并反馈到上位机中进行实时显示； 其中，在S2中，所述夜间混凝土图像增强算法基于深度学习框架Pytorch平台进行模型训练，模型训练时采用的整体损失函数为L total通过下式表示： 上式中，L 2为欧氏距离损失、L SSIM 为结构相似性损失、L color 为颜色损失，且L 2、L SSIM 、L color 分别通过下式表示： 上式中，x i 、y i 分别表示模型输出像素点的RGB值和正常曝光图像像素点的RGB值，X、Y分别表示模型输出增强后的图像和正常曝光的图像，n为图像像素的个数，SSIM为结构相似性公式，G high 为通过训练用于捕获图像颜色分布且曝光正常的白天图片颜色分布，G pred 为通过训练用于捕获图像颜色分布且曝光正常，并对夜间图像增强后的图片颜色分布，H为单帧图像的高度，W为单帧图像的宽度； 所述夜间混凝土图像增强算法包括多层次下采样模块、多层次编码器和多层次融合解码器，其处理流程包括： S10、通过多层次下采样模块从夜间单帧图像中获得细节、局部、全局三种不同层次下的图像； S11、对S10中得到的细节、局部、全局三种不同层次下的图像，通过多层次编码器中对应的细节编码器模块、局部编码器模块、全局编码器模块分别进行处理得到预处理的混凝土图像； S12、对S11中各层次编码器模块得到的预处理图像，采用多层次融合解码器进行拼接处理，并在拼接处理后进行上采样，进而得到增强后的图像； 在S11中，将一个标准化卷积层和一个状态空间图像处理层定义为标准状态空间模块，所述标准化卷积层的卷积核大小为1×1，卷积步长为1； 其中，所述细节编码器模块包括一个标准状态空间模块； 所述局部编码器模块包括三个标准状态空间模块和残差映射； 所述全局编码器模块包括一个标准状态空间模块和状态空间模块，所述状态空间模块包括两个状态空间图像处理层； 所述状态空间图像处理层建立如下的连续状态空间模型： ， 其中，、、是为了使得离散后的可学习矩阵、、随输入参数动态变化的规则函数，x t 为t时刻的输入，h t-1为t-1时刻的中间状态，h t 为t时刻的中间状态。

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南科技大学，其通讯地址为：621010 四川省绵阳市涪城区青龙大道中段59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”。