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！

龙图腾网获悉中国农业大学申请的专利基于条件生成对抗网络的水下图像增强方法及系统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：CN115565056B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202211179797.7，技术领域涉及：G06V20/05；该发明授权基于条件生成对抗网络的水下图像增强方法及系统是由李振波;李一鸣;李飞设计研发完成，并于2022-09-27向国家知识产权局提交的专利申请。

本基于条件生成对抗网络的水下图像增强方法及系统在说明书摘要公布了：本发明提出了一种基于条件生成对抗网络的水下图像增强方法及系统，通过提取并融合多尺度局部特征以及全局特征来校正退化水下图像的色彩，通过构建用于水下图像增强的注意力模块AMU来提升特征提取效果，在训练中引入感知损失与总变差损失来提升生成图像的质量，抑制噪声出现。本发明的方法可为智能化水产养殖的行为监测、病害识别等高层次视觉任务提供清晰的水下环境信息，推动智能集约化水产养殖健康可持续发展。

本发明授权基于条件生成对抗网络的水下图像增强方法及系统在权利要求书中公布了：1.一种基于条件生成对抗网络的水下图像增强方法，包括如下步骤： 步骤1：获取水下退化图像和对应的纯净图像的成对图像集，并分为训练集和测试集； 步骤2：将所有图像缩放为大小相同的尺寸； 步骤3：模型构建，包括：基于编解码器结构对图像进行全局和局部特征提取；将全局特征分别与各尺度的局部特征进行融合；将全局特征经过逐层上采样进行图像还原，每个上采样层与对应尺度的融合特征进行连接；将生成的图像送入判别器网络，判断其是否来自于真实数据，促使生成器网络进行调整； 步骤4：模型训练和测试，保存测试好的模型； 步骤5：利用测试好的模型对实际水下图像进行处理； 所述编解码器结构为改进的U-Net网络，其包括8层降采样层，并通过逐层卷积的方式对输入图像进行全局和局部特征提取； 在降采样过程中基于SENet与NAM模块，将SENet中的全局平均池化模块更换为NAM模块中的批归一化比例因子，构建用于水下图像增强的注意力模块；在逐层上采样的结果与具备相同分辨率的降采样结果进行跳层连接之前进行全局和局部特征融合，融合过程为： 步骤4-1：通过卷积核大小为1×1、步长为1的卷积层将全局特征f的通道数量c调整为与对应尺度i的局部特征图f相同的通道数c，该步骤表示为 g1＝Fconvf,W 其中，Fconv表示卷积操作，W为可学习权重； 步骤4-2：对fg1进行复制，复制数量为h×w，其中，h与w为尺度i的局部特征图f的长度和宽度，该操作表示为 g2＝Fcopyfg1,num＝h×w 步骤4-3：将fg2重塑为与f相同的维度h×w×c g3＝Frefg2,size＝h×w×c 其中，Fre表示重塑操作； 步骤4-4：将fg3与f进行连接操作 out＝Fconcatf,fg3。

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中国农业大学，其通讯地址为：100193 北京市海淀区圆明园西路2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。