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！

龙图腾网获悉华东交通大学申请的专利一种低照度图像增强方法、系统、存储介质及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：CN119784656B 。

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：202510288014.6，技术领域涉及：G06T5/90；该发明授权一种低照度图像增强方法、系统、存储介质及设备是由朱志亮;邱雷宁馨;郭泉剑;罗国亮;王辉设计研发完成，并于2025-03-12向国家知识产权局提交的专利申请。

本一种低照度图像增强方法、系统、存储介质及设备在说明书摘要公布了：本发明公开了一种低照度图像增强方法、系统、存储介质及设备，涉及图像处理技术领域，该方法通过对低照度图像中的噪声进行更为细致的划分，根据噪声与图像信号之间的关系，将其分为信号相关噪声和信号无关噪声，通过这种细分，可更充分处理不同类型的噪声，从而避免去噪放大的问题。且为避免噪声对Retinex分解的干扰，区别于其他方法的处理流程，本发明当中所示方法基于构建的混合相关噪声分离的低照度图像模型和Retinex理论提出逐层分解式网络。该网络逐层将输入图像分解为噪声图像、干净图像、反射分量和照度分量，有助于网络提升去噪和Retinex分解的准确性。

本发明授权一种低照度图像增强方法、系统、存储介质及设备在权利要求书中公布了：1.一种低照度图像增强方法，其特征在于，所述方法包括： 获取经过逐层分解式低照度图像增强网络模型去噪处理的低照度图像，将所述低照度图像对应的色彩空间由RGB色彩空间转换成HSV色彩空间，并提取所述低照度图像的亮度信息； 根据所述亮度信息，按照预设的亮度阈值将所述低照度图像划分成暗部区域与亮部区域； 分别计算所述暗部区域与所述亮部区域占所述低照度图像的面积比例，根据区域加权预估所述低照度图像的整体明暗度，并输出由去噪后干净低照度图像经过Retinex分解得到的照度分量； 采用伽玛校正方式对所述干净低照度图像的照度分量进行调整，并根据所述干净低照度图像的整体明暗度计算Gamma值，以实现所述照度分量的自适应校正与图像增强，得到目标照度分量； 基于预设的Retinex模型，对分解得到的相互独立的所述照度分量进行反向重建，将经过伽玛校正后的目标照度分量与分解得到的反射分量进行逐像素的相乘，得到增强后的目标图像； 其中，所述逐层分解式低照度图像增强网络模型基于混合相关噪声分离的低照度图像模型构建，表达式为： ； 式中，为输入的低照度图像，为干净低照度图像，为信号相关噪声，为信号无关噪声； 所述逐层分解式低照度图像增强网络模型包括： 第一层网络，用于对低照度图像进行分解，得到包含信号相关噪声的低照度图像与信号无关噪声，并去除信号无关噪声； 第二层网络，用于对包含信号相关噪声的低照度图像进行再次分解，得到信号相关噪声与干净低照度图像，并去除信号相关噪声； 第三层网络，用于对干净低照度图像进行Retinex分解，得到表示低照度图像中物体属性的反射分量和表示环境照度信息的照度分量； 第一层网络、第二层网络与第三层网络均包括2个并联的卷积分支，每个卷积分支均包括5层卷积； 其中，所述逐层分解式低照度图像增强网络模型采用低照度图像对进行训练，所述低照度图像对为同一场景下不同照度的两张低照度图像，在训练过程中，通过图像重建损失、信号无关噪声一致性损失、图像一致性损失、反射分量一致性损失与Retinex损失进行约束； 其中，根据区域加权预估低照度图像的整体明暗度的表达式为： ； 式中，为暗部区域的暗部面积，为亮部区域的亮部面积，为暗部区域的平均亮度，为亮部区域的平均亮度，为亮度阈值； 其中，采用伽玛校正方式对所述干净低照度图像的照度分量进行调整的表达式为： ； 式中，为补偿系数，为伽玛系数，且，当值越小，图像亮度的提升越高，若值越大，图像亮度的提升越低； 其中，将经过伽玛校正后的目标照度分量与分解得到的反射分量进行逐像素的相乘，得到增强后的目标图像的表达式为： ； 式中，为目标图像，为反射分量，为目标照度分量。

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华东交通大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街808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。