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多曝光多尺度递归融合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：CN117218018B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202311075351.4，技术领域涉及：G06T5/70；该发明授权基于多曝光多尺度递归融合的弱光图像增强方法是由金海燕;李龙;苏浩楠;张园林;肖照林;王彬设计研发完成，并于2023-08-24向国家知识产权局提交的专利申请。

本基于多曝光多尺度递归融合的弱光图像增强方法在说明书摘要公布了：本发明公开了基于多曝光多尺度递归融合的弱光图像增强方法，提出了多曝光特征递归融合模块块以及相应的融合策略，保留原始图像中的特征信息以及对不同曝光分支的输出进行自适应融合；通过多曝光产生块制造多种不同曝光的输出，统计正常光图像的亮度信息，构成一个概率分布，每次从中随机抽取一个全局比例因子来对每次的原始输入进行随机的曝光度的增强。通过多曝光产生块来得到原始图像不同曝光程度的输出，将不同曝光程度的输出利用多尺度特征增强网络进行从低分辨率到全分辨率的递归增强，将增强后的结果进行微调，得到高质量的增强输出。还能解决图像增强过程中由于亮度增强不充分、对比度较低、颜色偏淡、在恢复过程中将噪声放大的问题。

本发明授权基于多曝光多尺度递归融合的弱光图像增强方法在权利要求书中公布了：1.基于多曝光多尺度递归融合的弱光图像增强方法，其特征在于，具体按照如下步骤实施：将一个弱光图像I分别进行均匀曝光和非均匀曝光，得到均匀曝光的图像en1和非均匀曝光的图像en2；设计用于进行弱光图像增强的多曝光多尺度图像增强网络，输入图像en1、图像en2、弱光图像I进行融合、去噪、微调；构建关于用于进行弱光图像增强的多曝光多尺度图像增强网络的损失函数，调整损失函数的比例权重，得到最优增强图像的网络；对于最优增强图像的网络进行训练，得到训练后最优增强图像的网络，输入待增强弱光图像，得到弱光增强的图像； 所述设计用于进行弱光图像增强的多曝光多尺度图像增强网络，输入图像en1、图像en2、弱光图像I进行融合、去噪、微调具体过程为： 步骤1、设计用于进行弱光图像增强的多曝光多尺度图像增强网络，包括多曝光特征递归融合模块、多曝光去噪增强模块、曲线微调模块；将图像en1、图像en2、弱光图像I分别输入多曝光特征递归融合模块、多曝光去噪增强模块得到12通道优势特征图Ffusion2和初步去噪图Fenhance；步骤1具体过程为： 步骤1.1、设计用于进行弱光图像增强的多曝光多尺度图像增强网络，包括多曝光特征递归融合模块、多曝光去噪增强模块、曲线微调模块；所述多曝光特征递归融合模块包括两个递归融合单元，每个递归融合单元包括7个卷积层以及对应的批归一化层、退火层，用来提取出弱光图像I的特征信息，提取到的特征信息记为Sfeature； 步骤1.2、预训练好的vgg16网络对弱光图像I以及不均匀曝光图像en2进行质量评估，得到弱光图像I和不均匀曝光图像en2在执行融合过程时的权值WI和Wen2，将弱光图像I与不均匀曝光图像en2共同输入到第一个递归融合单元，结合特征信息Sfeature，通过公式（2）来产生第一个融合图像Ffusion1，由现有的预训练好的vgg16网络对Ffusion1以及均匀曝光图像en1进行质量评估，得到Ffusion1和均匀曝光图像en1在执行融合过程时的权值WFfusion1和Wen1；第一个融合图像Ffusion1与均匀曝光图像en1共同输入到第二个递归融合单元，结合特征信息Sfeature，通过公式（3）产生第二个融合图像Ffusion2： （2）； （3）； 步骤1.3、所述多曝光去噪增强模块包括三个多尺度图像增强块，将弱光图像I输入一个多尺度图像增强块中，进行多尺度去噪增强，得到图像add2，同样地，均匀曝光图像en1与非均匀曝光图像en2分别输入到其他两个多尺度图像增强块中进行多尺度去噪增强，得到图像add7与图像add12； 步骤1.4、使用现有的预训练好的vgg16网络对图像add2、图像add7以及图像add12进行质量评估，得到各自的质量评估分数，将质量评估分数转化为图像add2、图像add7以及图像add12的融合权重值，表示为Wadd2、Wadd7和Wadd12，通过式（4）来对图像add2、图像add7以及图像add12进行加权融合，得到初步去噪图Fenhance； （5）； 步骤2、将12通道优势特征图Ffusion2和初步去噪增强图Fenhance输入曲线微调模块中进行微调，得到微调后的图像。

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”。