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！

龙图腾网获悉武汉大学申请的专利基于双判别器网络的图像颜色矫正方法、系统和电子设备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：CN117197545B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202311063167.8，技术领域涉及：G06V10/764；该发明授权基于双判别器网络的图像颜色矫正方法、系统和电子设备是由李治江;徐慧婷设计研发完成，并于2023-08-21向国家知识产权局提交的专利申请。

本基于双判别器网络的图像颜色矫正方法、系统和电子设备在说明书摘要公布了：本发明涉及一种基于双判别器网络的图像颜色矫正方法、系统和电子设备。为了解决颜色特征误导以及鉴别器对颜色信息的低灵敏度等问题限制了GAN在颜色恒常性任务上的学习能力这些问题，我们提出了一种双鉴别器生成对抗网络DDGAN，它包括基础的生成对抗网络和特征融合判别器模块FFD，其中FFD是一个包含两个特征提取分支的鉴别器模块：一个分支提取颜色特征，另一个提取全局相关特征，FFD将这些特征融合在一起，以削弱结构特征并增强鉴别器对颜色特征的灵敏度。最后，为了获得更统一的颜色和内容图像，对由FFD削弱的结构特征施加全局一致性约束，统一了结构特征和颜色特征，最终得到了高精度的图像去偏色方法。

本发明授权基于双判别器网络的图像颜色矫正方法、系统和电子设备在权利要求书中公布了：1.基于双判别器网络的图像颜色矫正方法，其特征在于，包括以下步骤： 步骤1，选取颜色恒常性数据集，并对数据集进行预处理； 步骤2，构建双判别器网络模型，所述双判别器网络模型包括基础的生成对抗网络和特征融合判别器模块FFD，其中基础的生成对抗网络包括一个生成器和一个判别器，用于对图像进行生成和判别，特征融合判别器模块用于增强判别器对图像中颜色特征的判别能力； 首先，将偏色图片Input与其对应的mask图像输入生成对抗网络结构中的生成器，生成假图Fake，生成的假图与真实图片GT在判别器中进行博弈，因此，将生成的假图与真实图片分别输入到生成对抗网络结构中的判别器和特征融合判别器模块进行判别，如果两个判别器输出结果为假，那么更新生成器参数继续生成结果更好的假图；如果两个判别器输出结果为真，那么生成的假图即为最后的结果输出； FFD模块的具体处理过程如下； FFD模块包括两个分支：高斯图像特征提取分支和全像素关系特征的提取分支；高斯图像特征提取分支中，输入先通过卷积操作实现高斯模糊，然后经过三层下采样卷积得到包含更好区分的颜色信息的特征图，高斯模糊中的卷积采用的是二维正态分布的卷积核，具体的公式如下： 上式中，xc，yc分别代表对应的图像像素点的横纵坐标，Gaussian表示高斯模糊，σ表示模糊半径； 全像素关系特征的提取分支通过非局部的注意力实现全像素关系的提取，具体是计算图像中某点像素与其他所有像素点的相关关系，非局部的操作定义为如下： 上式中，x表示输入的特征图，i表示像素的索引，j代表图像中除了i以外的所有像素，y表示输出的特征图；函数f计算所有像素之间的相关关系，函数g表示像素j的输入信息，是一个归一化函数，上述式子实现了与输入尺寸相同的全像素关系的输出； 全局像素相关关系提取的特征与高斯模糊块提取到的特征进行融合，共同辅助判断，特征融合通过非局部的残差连接实现： Zi＝Wzyi+Gaussxi Wz是一个用于特征变换的待学习权重矩阵，+Gaussxi通过残差连接与高斯模糊提取的特征相加，实现特征融合； 融合后的特征输入最后的卷积层，实现真假的判断； 步骤3，对双判别器网络模型进行训练，并利用训练好的模型实现像素到像素、端到端的偏色图像矫正。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。