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！

龙图腾网恭喜南京审计大学申请的专利一种基于全分辨率语义指导的多尺度低光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：CN118982488B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202410974723.5，技术领域涉及：G06T5/77；该发明授权一种基于全分辨率语义指导的多尺度低光图像增强方法是由吴华朋;陆晨阳;詹天明设计研发完成，并于2024-07-19向国家知识产权局提交的专利申请。

本一种基于全分辨率语义指导的多尺度低光图像增强方法在说明书摘要公布了：本发明公开了一种基于全分辨率语义指导的多尺度低光图像增强方法。本发明本发明通过采用RB模块、LFB模块、以及SFB模块组成MSRM模块，并将多个MSRM模块串联，设计出MSRB模块，对从低光图像中提取的浅层特征F0和语义特征Fseg进行处理，增强对低光图像的恢复效果，保留必要的细节信息，且通过引入语义特征Fseg为指导，避免了在增强过程中的出现的语义信息丢失，更有利于后续高层视觉任务的进行，随后通过MF模块将不同层的有利信息进行融合，使得低光图像的曝光效果进一步增强，最后通过3×3卷积将特征映射为图像，得到增强后的正常的、恢复效果好的曝光图像。

本发明授权一种基于全分辨率语义指导的多尺度低光图像增强方法在权利要求书中公布了：1.一种基于全分辨率语义指导的多尺度低光图像增强方法，其特征在于：包括以下步骤：步骤1、给定一个低光图像，利用3×3卷积提取低光图像的浅层特征F0，并将低光图像输入到语义分割模型中获取低光图像的语义特征Fseg作为先验信息；步骤2、将浅层特征F0和语义特征Fseg输入到堆叠的多尺度残差MSRB模块中进行处理，得到Flayer1、Flayer2、Flayer3、Flayer4；步骤3、将Flayer1，Flayer2，Flayer3，Flayer4输入到多层融合MF模块中，提取不同层的有利信息并进行融合，得到FPE；步骤4、将FPE通过3×3卷积将特征映射为图像，即得到增强后的正常曝光图像其中，在步骤2中，设MSRM模块为多尺度残差MSRB模块的基本单元，MSRB模块由多个堆叠的MSRM模块串联构成，MSRM模块包括RB模块、LFB模块、以及SFB模块；以第一个MSRM模块为基准，得到Flayer1的具体步骤如下：2.1、将浅层特征F0输入到RB模块，进行全局特征学习，得到中间层特征F0,1，将浅层特征F0进行二倍下采样，得到F1，将F1输入到RB模块进行全局特征学习，得到中间层特征F1,1，将特征F1进行二倍下采样，得到F2，将F2输入到RB模块进行全局特征学习，得到中间层特征F2,1；2.2、将F1,1和F2,1输入到可选择的局部特征融合LFB模块中，进行局部特征的融合得到F1,2，将F1,2和语义特征Fseg输入到语义融合SFB模块中，进行语义特征的融合，得到Fseg1；2.3、将F0,1和F1,2输入到可选择的局部特征融合LFB模块中，进行局部特征的融合得到F0,2，将F0,2和Fseg输入到语义融合SFB模块中，进行语义特征的融合，得到Fseg0；2.4、将F2,1输入到RB模块中，得到F2,2，将Fseg1输入到RB模块中，得到F1,3，将Fseg0输入到RB模块中，得到F0,3；2.5、将F2,2和F1,3输入到可选择的局部特征融合LFB模块中进行局部特征的融合得到F2,3，将F2,3和F0,3输入到可选择的局部特征融合LFB模块中进行局部特征的融合，并通过3×3卷积提取特征，得到Flayer1；得到Flayer2、Flayer3、Flayer4的具体步骤如下：2.6、以第二个MSRM模块为基准，将Flayer1和语义特征Fseg输入到该MSRB模块中，重复步骤2.1-2.5，得到Flayer2；2.7、以第三个MSRM模块为基准，将Flayer2和语义特征Fseg输入到该MSRB模块中，重复步骤2.1-2.5，得到Flayer3；2.8、以第四个MSRM模块为基准，将Flayex3和语义特征Fseg输入到该MSRB模块中，重复步骤2.1-2.5，，得到Flayer4。

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审计大学，其通讯地址为：210000 江苏省南京市雨山西路86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”。