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！

龙图腾网获悉福州大学申请的专利基于任务解耦的暗光模糊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：CN116797491B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202310853029.3，技术领域涉及：G06T5/73；该发明授权基于任务解耦的暗光模糊图像增强方法是由牛玉贞;李悦洲;许瑞;林晓锋设计研发完成，并于2023-07-12向国家知识产权局提交的专利申请。

本基于任务解耦的暗光模糊图像增强方法在说明书摘要公布了：本发明涉及基于任务解耦的暗光模糊图像增强方法。包括以下步骤：步骤S1、构建用于训练的数据集，对暗光模糊图像的每幅图像进行预处理，得到训练数据集；步骤S2、设计任务解耦的暗光模糊图像增强网络，该网络由颜色变换分支、融合增强分支和高频信息重建分支组成；步骤S3、设计用于训练步骤S2所设计网络的损失函数；步骤S4、使用训练数据集训练基于任务解耦的暗光模糊图像增强网络；步骤S5、将待测暗光模糊图像输入到所设计的网络中，利用训练好的网络预测生成具有更好视觉感知的最终结果。

本发明授权基于任务解耦的暗光模糊图像增强方法在权利要求书中公布了：1.基于任务解耦的暗光模糊图像增强方法，其特征在于，包括以下步骤：步骤S1、构建用于训练的数据集，对暗光模糊图像的每幅图像进行预处理，得到训练数据集；步骤S2、设计任务解耦的暗光模糊图像增强网络，该任务解耦的暗光模糊图像增强网络由颜色变换分支、融合增强分支和高频信息重建分支组成；步骤S3、设计用于训练步骤S2所设计网络的损失函数；步骤S4、使用训练数据集训练基于任务解耦的暗光模糊图像增强网络；步骤S5、将待测暗光模糊图像输入到所设计的网络中，利用训练好的网络预测生成具有视觉感知的最终结果；所述步骤S2包括以下步骤：步骤S21、设计颜色变换分支，颜色变换分支由颜色变换预处理网络、颜色变换主干网络、和颜色变换头部网络组成；颜色变换分支接受归一化的大小为H×W的暗光模糊图像X作为输入，最终输出大小为的颜色变换结果步骤S22、设计融合增强分支，融合增强分支由融合增强预处理网络、融合增强主干网络、和融合增强头部网络组成；融合增强分支的输入为：归一化的大小为H×W的暗光模糊图像X，颜色变换分支的输出特征，和高频信息重建分支的输出特征，最终输出大小为H×W的融合增强结果步骤S23、设计高频信息重建分支，高频信息重建分支由高频信息重建预处理网络、高频信息重建主干网络、和高频信息重建头部网络组成；高频信息重建分支接受归一化的大小为H×W的暗光模糊图像X作为输入，最终输出大小为H×W的高频信息重建结果所述步骤S3中，设计用于训练步骤S2所设计网络的损失函数；包括以下步骤：步骤S31、设计整个网络的总优化目标；优化目标为最小化总损失函数 其中，表示颜色变换损失函数，λcol表示颜色变换损失函数的权重；表示语义感知损失函数，λsem表示语义感知损失函数的权重；表示像素损失函数，λpix表示像素损失函数的权重；表示高频信息重建损失函数，λhigh表示高频信息重建损失函数的权重；步骤S32、设计颜色变换损失函数；的计算公式如下： 其中，是颜色变换分支的输出结果，大小为Y↓4是参考图像经过双线性插值运算缩小为的结果，AvgPool·为核大小为4的均值池化运算，||·||1是取绝对值操作；步骤S33、设计语义感知损失函数；的计算公式如下： 其中为颜色变换分支输出的颜色变换结果，Y↓4为参考图像经过双线性插值缩小4倍的图像，为融合增强分支的输出结果，Y为参考图像；Φ·代表使用在ImageNet预训练的VGG-16模型提取Conv2-2、Conv3-2、Conv4-2层特征的操作；||·||1是取绝对值操作；步骤S34、设计光像素损失函数；的计算公式如下： 其中，为融合增强分支的输出结果，Y为参考图像；||·||1是取绝对值操作；步骤S35、设计高频信息重建损失函数；的计算公式如下： 其中，为高频信息重建分支的输出结果，Y为参考图像，HighFreq·为取得高频信息部分的运算，高频信息部分由离散余弦变换DCT将原图变换至频域，取得高频后再进行逆变换取得；||·||1是取绝对值操作。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。