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！

龙图腾网获悉江苏信息职业技术学院申请的专利基于小波变换与深度学习的轻量级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：CN118887112B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202410907364.1，技术领域涉及：G06T5/60；该发明授权基于小波变换与深度学习的轻量级图像增强方法是由李阳;张先玉设计研发完成，并于2024-07-08向国家知识产权局提交的专利申请。

本基于小波变换与深度学习的轻量级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小波变换与深度学习的轻量级图像增强方法包括基于深度学习建立的四个残差模块、由多个不同方向的小波变换层组成的小波变换模块、特征融合层和输出卷积层；包括基于深度学习建立的四个残差模块分别提取输入图像的特征；通过特征融合层将小波变换模块提取的特征与四个残差模块提取的特征进行融合，形成综合的特征图；通过输出卷积层对综合的特征图进行卷积操作，得到图像增强模型，并输出经过图像增强的图像。将小波变换与深度学习相结合，提出了一种轻量级的图像增强方法，充分利用了小波变换的频域分解能力和深度学习的特征学习能力，实现了对图像的高效、高质量增强处理。

本发明授权基于小波变换与深度学习的轻量级图像增强方法在权利要求书中公布了：1.基于小波变换与深度学习的轻量级图像增强方法，其特征在于：包括基于深度学习建立的四个残差模块、由多个不同方向的小波变换层组成的小波变换模块、特征融合层和输出卷积层；包括以下步骤： S1、获取需要处理的图像，并进行预处理； S2、基于深度学习建立的四个残差模块分别提取输入图像的特征； 所述S2步骤中，每个所述残差模块的卷积层的输出与上一个残差模块输出特征图像进行拼接操作，构建残差连接；第一残差模块的卷积层将输出特征图像和初始输入图像拼接得到第一残差特征图像；第二残差模块的卷积层将输出特征图像和第一残差模块输出图像拼接得到第二残差特征图像；第三残差模块的卷积层将输出特征图像和第二残差模块输出图像拼接得到第三残差特征图像；第四残差模块的卷积层将输出特征图像和第三残差模块输出图像拼接得到第四残差特征图像； S3、采用由多个不同方向的小波变换层组成的小波变换模块提取输入图像的特征； 所述S3步骤中，所述小波变换模块包括水平方向、垂直方向和两个对角线方向的小波变换层；并对每个方向的小波变换层中的小波滤波器进行自定义；每个方向的所述小波变换层的输出连接有相对应的可训练的伽马映射层； 所述小波变换模块中水平方向、垂直方向和两个对角线方向的小波变换层提取的特征分别经过相对应可训练的伽马映射层输出水平方向小波变换特征图、垂直方向小波变换特征图、第一对角线方向小波变换特征图和第二对角线方向小波变换特征图； 所述可训练的伽马映射层能自适应的学习和优化映射参数，进行非线性映射；且伽马映射1、伽马映射2、伽马映射3和伽马映射4四个可训练的伽马映射层的参数量都为1，皆为可训练参数；可训练的伽马映射层根据水平方向、垂直方向和两个对角线方向的小波变换层的要求不同，来训练伽马映射层的映射参数； S4、通过特征融合层将小波变换模块提取的特征与四个残差模块提取的特征进行融合，形成综合的特征图； 所述S4步骤中，所述特征融合层将四个残差模块分别得到的第一残差特征图像、第二残差特征图像、第三残差特征图像和第四残差特征图像与四个不同方向的小波变换层分别得到的四个增强特征后的小水平方向小波变换特征图、垂直方向小波变换特征图、第一对角线方向小波变换特征图和第二对角线方向小波变换特征图进行通道合并，得到综合的特征图，形成特征的融合；得到的综合的特征图同时包含了小波变换模块和残差模块提取到的特征信息，实现了特征的融合； S5、通过输出卷积层对综合的特征图进行卷积操作，得到图像增强模型，并输出经过图像增强的图像； 包括结合小波变换和深度学习的图像增强模型，结合小波变换和深度学习的图像增强模型包括输入层、残差模块、小波分解模块、可训练的伽马映射层、特征融合层以及两个卷积层组成的输出卷积层。

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江苏信息职业技术学院，其通讯地址为：214000 江苏省无锡市惠山区钱藕路1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”。

以上内容由龙图腾AI智能生成。