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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于多模态协同优化的隐式图像增强与光流估计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：CN119832029B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411927402.6，技术领域涉及：G06T7/269；该发明授权一种基于多模态协同优化的隐式图像增强与光流估计方法是由戴玮辰;武鹤星;孔万增;翁啸洋设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本一种基于多模态协同优化的隐式图像增强与光流估计方法在说明书摘要公布了：本发明公开了一种基于多模态协同优化的隐式图像增强与光流估计方法。该方法首先获取正常光照场景下的RGB图像以及对应视角的深度图；根据深度图和相机内参计算对应的三维点云数据。利用正常光照场景下的RGB图像合成低光照图像数据。利用高低频特征增强网络分解低光照图像的高频特征与低频特征，用于对低光照图像进行增强，然后提取低光照图像的图像特征和上下文特征；利用2D‑3D特征融合网络提取2D图像特征与3D点云特征并进行对齐融合，得到正常RGB图像的图像特征和上下文特征，用于监督高低频特征增强网络的特征提取过程。最后基于低光照图像的图像特征和上下文特征，构建4D相关体积表，并利用GRU推理光流。

本发明授权一种基于多模态协同优化的隐式图像增强与光流估计方法在权利要求书中公布了：1.一种基于多模态协同优化的隐式图像增强与光流估计方法，其特征在于：具体包括以下步骤： 步骤1、获取正常光照场景下的RGB图像以及对应视角的深度图；根据深度图和相机内参计算对应的三维点云数据；利用正常光照场景下的RGB图像合成低光照图像数据； 步骤2、构建高低频特征增强网络，输入低光照图像； 首先分解出高频特征和低频特征；再利用稠密卷积网络增强高频特征，利用多尺度注意力增强和小波融合，增强低频特征；然后经过通道注意力机制和残差连接加权融合，生成增强的图像特征Fen；最后通过编码器从增强的图像特征Fen中提取低光照图像的图像特征和上下文特征； 步骤3、构建2D‑3D特征融合网络，提取RGB图像中的二维图像特征和三维点云中的三维点云特征，进行特征对齐后并融合，得到正常光照图像特征和上下文特征； 通过先验特征损失函数对高低频特征增强网络的特征提取过程进行监督： || ||2表示计算2范数； 步骤4、基于低光照图像的图像特征和上下文特征计算4D相关体积，使用多尺度相关体积，通过GRU的递归更新算子对初始光流场进行迭代优化，逐步细化光流估计结果，计算光流估计损失；步骤5、设置总损失函数为先验特征损失和光流估计损失的加权和，完成模型训练；将需要进行光流估计的图像对，输入训练后的高低频特征增强网络中，提取图像特征和上下文特征，再通过步骤4的方法输出光流估计结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。