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！

龙图腾网恭喜南京信息工程大学申请的专利一种基于曲线学习和Transformer的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：CN114881873B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202210411643.X，技术领域涉及：G06T5/92；该发明授权一种基于曲线学习和Transformer的图像增强方法是由李春雨;郑钰辉设计研发完成，并于2022-04-19向国家知识产权局提交的专利申请。

本一种基于曲线学习和Transformer的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曲线学习和Transformer的图像增强方法。本发明以基于学习的方式提取低照度图像的特征，并自动生成像素变换曲线，实现图像亮度的增强和局部对比度的拉伸。将曲线变换抽象成像素的对应变换，以8位数字图像为例，它的像素范围为0~255的整数，像素的对应则可以表示为256维的向量。为了提高图像的自然性，在损失函数中加入对改向量的一维拉普拉斯正则项，保证变换曲线的平滑性和单调性，使得变换后的像素大小关系仍保持不变。此外，为了减少增强图像中的噪声，引入BM3D去噪算法，根据可以一定程度上反应噪声识别的变换曲线的斜率，对不同的区域施以不同的程度的去噪，更好地去除增强图像中的噪声。

本发明授权一种基于曲线学习和Transformer的图像增强方法在权利要求书中公布了：1.一种基于曲线学习和Transformer的图像增强方法，其特征在于，包括以下步骤：步骤1，将低照度图像增强具化为低照度图像到正常光照图像的对应像素映射；步骤2，构建VisionTransformer的网络模型，提取低照度图像中局部特征以及全局的关系；步骤3，获取低照度图像中像素值等于指定值的所有坐标，然后取出在对应正常光照图像这些坐标上所有像素，并以这些像素中出现频率最高的值作为低照度图像中指定像素增强后所对应的参考像素值；步骤4，使用L1-Loss作为主损失函数，并添加输出向量，即像素对应关系的二阶梯度正则；在LOLdataset数据集上训练深度网络模型直至收敛；步骤5，将需要增强的低照度图像输入训练好的网络模型中，输出像素变换曲线，使用该曲线对输入的低照度图像进行变换，得到增强图像；步骤6，结合BM3D去噪算法，以步骤5中模型输出的像素变换曲线的梯度和像素值为参考，对步骤5中的增强图像各区域进行不同程度的去噪处理；所述步骤2中具体步骤如下：21将低照度图像切分为不同的图像块，并将每个图像块展平为一维向量，每个向量加上位置编码，并拼接上一个可训练的像素映射向量；22输入VisionTransformer主体框架中，利用多头注意力机制学习低照度图像的特征与不同图像块之间的关系；最后提取出像素映射向量，作为网络的输出结果；所述步骤4中具体步骤如下：41用表示深度网络模型的输出，即像素的映射关系，M表示模型训练的参考值，计算两个向量的L1-Loss作为主损失函数项，并添加的拉普拉斯正则，如下式所示： 其中，和M为一维向量，表示所提出网络模型输出的像素变换曲线；分别表示和M的第i元素，为的前一个元素和后一个元素；42在公开数据集LOLDataset上训练深度网络，对损失函数进行反向传播，使得网络逐渐收敛。

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信息工程大学，其通讯地址为：224002 江苏省盐城市盐南高新区新河街道文港南路105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”。