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！

龙图腾网恭喜福州大学申请的专利基于CNN-Transformer混合建模及双边交互的低照度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：CN116703783B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202310859559.9，技术领域涉及：G06T5/92；该发明授权基于CNN-Transformer混合建模及双边交互的低照度图像增强方法是由牛玉贞;许瑞;李悦洲;林晓锋设计研发完成，并于2023-07-13向国家知识产权局提交的专利申请。

本基于CNN-Transformer混合建模及双边交互的低照度图像增强方法在说明书摘要公布了：本发明涉及一种基于CNN‑Transformer混合建模及双边交互的低照度图像增强方法。包括：对输入图像进行预处理，包括图像配对、裁剪和数据增强处理，以得到训练数据集；设计一个基于CNN‑Transformer的低照度图像交互增强网络，该网络由输入映射模块、L个交互增强块和输出映射模块组成；设计用于训练步骤B中所设计网络的损失函数；使用训练数据集训练基于CNN‑Transformer的低照度图像交互增强网络；将待测图像输入到该网络中，利用训练好的网络生成正常照度图像。本发明利用CNN‑Transformer混合建模方法，通过双边交互促进局部感知和全局感知模块之间相互促进、互补，能够在低照度条件下更好地增强图像的细节和亮度、改善全局一致性问题，进一步提高图像增强的效果。

本发明授权基于CNN-Transformer混合建模及双边交互的低照度图像增强方法在权利要求书中公布了：1.基于CNN-Transformer混合建模及双边交互的低照度图像增强方法，其特征在于，包括如下步骤：步骤A、对输入图像进行预处理，包括图像配对、裁剪和数据增强处理，以得到训练数据集；步骤B、设计一个基于CNN-Transformer的低照度图像交互增强网络，基于CNN-Transformer的低照度图像交互增强网络由输入映射模块、L个交互增强块和输出映射模块组成；步骤C、设计用于训练步骤B中所设计网络的损失函数；步骤D、使用训练数据集训练基于CNN-Transformer的低照度图像交互增强网络；步骤E、将待测图像输入到该网络中，利用训练好的网络生成正常照度图像；所述步骤B具体实现步骤如下：步骤B1、设计输入映射模块，核心包含两个卷积单元，每个单元由一个卷积核大小为3×3、步长为1的卷积层、一个ReLu激活函数和一个双线性下采样层依次构成，实现对低照度输入图像的特征提取，提取的特征表示为其中H和W分别为低照度图像的高和宽，D表示为总的下采样倍率，C表示为提取特征的通道数；步骤B2、设计交互增强块，由局部感知增强模块、全局感知增强模块、局部至全局的交互操作以及全局至局部的交互融合模块构成，通过混合建模及双边交互的方式对低照度图像进行增强；对于步骤B1提取的特征Xin，经过L个交互增强块得到增强后的特征表示为可用公式描述为： 其中，IEB表示交互增强块，表示交互增强块的堆叠处理；步骤B3、设计输出映射模块，核心包含两个卷积单元，每个单元由一个双线性上采样层、一个卷积核大小为3×3、步长为1的卷积层和一个ReLu激活函数依次构成；对于步骤B1提取的特征Xin，通过残差连接的方式与步骤B2的输出特征Xout相加作为该模块的输入，重建为3通道图像步骤B4、对于步骤B3重建的特征与输入特征Iin通过残差连接的方式相加，得到增强后的3通道图像，表示为

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”。