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！

龙图腾网获悉哈尔滨工业大学申请的专利一种带有小波变换和融合注意力机制的水下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：CN119784616B 。

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：202411838654.1，技术领域涉及：G06T5/60；该发明授权一种带有小波变换和融合注意力机制的水下图像增强方法是由邓立平;陶建国设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本一种带有小波变换和融合注意力机制的水下图像增强方法在说明书摘要公布了：本发明涉及图像处理领域，尤其涉及一种带有小波变换和融合注意力机制的水下图像增强方法，本发明获取水下图像数据，分析所述图像数据的显性特征信息并计算特征提取表征参数，以设置标签，构建水下图像增强网络，生成器接收图像数据后生成输出图像，判别器获取生成器的输出图像，基于所述标签判定是否调整矩阵网格数量，以输出对应矩阵网格数量的矩阵，对所述输出图像的局部区域进行判定，确定水下图像增强网络的构建状态，利用训练集的水下图像通过复合损失函数对所述水下图像增强网络进行训练直至收敛。本发明通过利用生成器和判别器构建水下图像增强网络，对退化的水下图像进行增强，提高了图像质量和水下细节的还原度。

本发明授权一种带有小波变换和融合注意力机制的水下图像增强方法在权利要求书中公布了：1.一种带有小波变换和融合注意力机制的水下图像增强方法，其特征在于，包括： 获取水下图像数据，以构建水下图像数据集，包括退化的水下图像及其对应的清晰参考图像,将所述数据集按比例划分为测试集、训练集以及验证集； 由测试集中提取图像数据，分析所述图像数据的显性特征信息，基于显性特征计算特征提取表征参数，以针对图像数据设置标签； 构建水下图像增强网络，生成器接收图像数据后生成输出图像，判别器获取生成器的输出图像，溯源所述输出图像对应的标签，基于所述标签判定是否调整矩阵网格数量，以将所述输出图像结合清晰参考图像通过多组卷积操作输出对应矩阵网格数量的矩阵； 根据矩阵的判定分数对所述输出图像的局部区域进行判定，确定水下图像增强网络的构建状态，以确定所述输出图像是否需要生成器再次生成； 利用训练集的水下图像通过复合损失函数对所述水下图像增强网络进行训练直至收敛； 其中，所述显性特征信息包括，图像数据中差异像素点的数量以及轮廓密集度，所述矩阵的元素包括针对所述输出图像若干局部区域的判断分数； 所述复合损失函数由公式1表示， 1， 公式1中，G表示生成器,D表示判别器，表示对抗损失通过Wasserstein距离来度量生成数据与真实数据分布之间的差异，表示生成图像和清晰参考图像之间的绝对差异，表示生成图像和清晰参考图像之间的绝对差异的权重系数，表示梯度差异损失，表示梯度差异损失的权重系数，表示图像内容损失通过VGG19网络的预训练模型来衡量生成图像和清晰参考图像在高层语义特征上的相似度，表示图像内容损失通过VGG19网络的预训练模型来衡量生成图像和清晰参考图像在高层语义特征上的相似度的权重系数； 所述对抗损失通过Wasserstein距离来度量生成数据与真实数据分布之间的差异由公式2表示， 2， 公式2中，E表示数学期望，、表示未失真的水下图像，表示水下图像的失真变形，表示原始数据与生成器分布的点对之间沿直线的样本，表示输入内容，表示梯度惩罚项的权重系数，表示是从中采样得到的，表示判别器对输入的梯度，表示在该点的局部变化率； 所述生成图像和真实图像之间的绝对差异由公式3表示， 3， 公式3中，表示生成器基于水下图像的失真变形生成的预测图像； 所述梯度差异损失由公式4表示， 4， 公式4中，为预测图像，，为损失敏感度系数，其中，和分别表示预测图像和真实图像在位置的像素值，； 所述图像内容损失通过VGG19网络的预训练模型来衡量生成图像和真实图像在高层语义特征上的相似度由公式5表示， 5， 公式5中，表示使用VGG19网络提取图像的特征。

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哈尔滨工业大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区西大直街92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。