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！

龙图腾网获悉南京理工大学申请的专利基于轻量级注意力机制的水下图像色彩复原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：CN116563693B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202310491245.8，技术领域涉及：G06V20/05；该发明授权基于轻量级注意力机制的水下图像色彩复原方法是由顾国华;龚晟;万敏杰;陈钱;王佳节;徐秀钰;许运凯;韶阿俊设计研发完成，并于2023-05-04向国家知识产权局提交的专利申请。

本基于轻量级注意力机制的水下图像色彩复原方法在说明书摘要公布了：本发明公开了一种基于轻量级注意力机制的水下图像色彩复原方法，包括以下步骤：获取水下图像；构建生成对抗网络模型，包括设计生成器网络结构同时在编码器‑译码器的浅层加入效果较好的轻量级注意力机制，用来更好地提取水下图像的特征信息，以及包括设计鉴别器网络结构以判别生成水下图像的真假；确定用以更新网络参数的基于均方对数误差计算方法的损失函数；使用训练集对设计好的网络结构进行训练，通过循环迭代不断优化网络，直至输出网络模型，并将测试集输入训练好的网络模型，获得清晰图像。通过本发明所增强的水下图像更符合人眼的观察习惯，在峰值信噪比、结构相似性等水下图像画质评测指标方面均相较于现有深度学习方法有所提升。

本发明授权基于轻量级注意力机制的水下图像色彩复原方法在权利要求书中公布了：1.一种基于轻量级注意力机制的水下图像色彩复原方法，其特征在于，包括以下步骤： 步骤1、获取水下图像数据集，所述水下图像数据集由水下原始图像和对应的正常光图像组成； 步骤2、构建生成对抗网络模型，所述生成对抗网络模型包括生成器和鉴别器，所述生成器的网络结构为一种改进的U型语义分割模型，鉴别器的网络结构采用全卷积对抗网络结构；所述生成器包括输入层、隐藏层、输出层，所述输入层用于输入水下原始图像，所述隐藏层用于对输入图像进行卷积计算及反卷积计算，所述输出层用于输出结果； 隐藏层采用由4对编码层和译码层构成的编码器-译码器结构； 每一编码层的输出按照跳跃相连处理方法输入到镜像译码层； 所述生成器隐藏层的具体结构为： 编码层1：输入一张通道数为3的256*256的特征图，进行一次卷积和一次池化输出一张通道数为32的128*128的特征图； 编码层2：输入编码层1输出的特征图，进行两次卷积和一次池化，输出一张通道数为64的64*64的特征图； 编码层3：输入编码层2输出的特征图，进行两次卷积和一次池化，输出一张通道数为128的32*32的特征图； 编码层4：输入编码层3输出的特征图，进行一次卷积，输出一张通道数为256的32*32的特征图； 译码层1：输入编码层4输出的特征图，进行一次上采样，输出一张通道数为256的64*64的特征图； 译码层2：输入译码层1输出的特征图，将此特征图与编码层3输出的特征图进行拼接，拼接后进行一次卷积和上采样，输出一张通道数为256的128*128的特征图； 译码层3：输入译码层2输出的特征图，将此特征图与编码层2输出的特征图进行拼接，拼接后进行一次卷积和上采样，输出一张通道数为128的256*256的特征图； 译码层4：输入译码层3输出的特征图，在编码层1输出的特征图中加入轻量级注意力机制并将此特征图与上一层输出的特征图进行拼接，拼接后进行三次卷积，输出一张通道数为3的256*256的特征图； 所述鉴别器包括输入层、隐藏层、输出层，所述输入层用于输入总计大小为256*256*6的两张图片，所述隐藏层用于对输入图像进行卷积计算，所述输出层用于输出结果； 所述鉴别器隐藏层由5个卷积滤波器组成，具体为： 卷积层1：将总计大小为256*256*6的两张图片作为特征图输入，进行一次卷积输出一张通道数为32的128*128的特征图； 卷积层2：输入卷积层1输出的特征图，进行一次卷积，输出一张通道数为64的64*64的特征图； 卷积层3：输入卷积层2输出的特征图，进行一次卷积，输出一张通道数为128的32*32的特征图； 卷积层4：输入卷积层3输出的特征图，进行一次卷积，输出一张通道数为256的16*16的特征图； 卷积层5：输入卷积层4输出的特征图，进行一次卷积，输出16*16*1的信息分布矩阵； 步骤3、确定一个用以更新网络参数的基于均方对数误差计算方法的损失函数，具体为： 式中，LcGAN为鉴别网络PatchGAN计算的鉴别器损失，λ1和λc为超参数缩放因子，L1为提升图像的全局相似性的增加式，Lcon为增强生成图像与目标图像间的构成内容相似性的增加式，G为与生成网络等价的映射，D为与鉴别网络等价的映射； 步骤4、使用水下图像数据集对设计好的网络结构进行训练，通过循环迭代不断优化网络，直至输出网络模型； 步骤5、将采集的水下原始图像输入训练好的生成对抗网络模型，获得清晰图像。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫街道孝陵卫街200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。