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！

龙图腾网恭喜西安电子科技大学申请的专利基于Transformer网络的噪声估计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：CN115965555B 。

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：202310042018.7，技术领域涉及：G06T5/60；该发明授权基于Transformer网络的噪声估计图像增强方法是由张静;曾繁玉;张治成;贾佳;李云松设计研发完成，并于2023-01-28向国家知识产权局提交的专利申请。

本基于Transformer网络的噪声估计图像增强方法在说明书摘要公布了：本发明提出了一种基于Transformer网络的噪声估计图像增强方法。本发明构建特征提取分解子网络，利用卷积算子提取图像的局部信息，并且结合Transformer的全局建模能力，充分地发挥模型的表达能力，更好地提取图像特征，解决了现有技术仅依赖卷积层堆叠的参数冗余以及容易造成梯度消失的问题，本发明能够精确地保留图像细节，恢复出更加清晰的图像。本发明设计的噪声估计优化子网络对噪声进行拟合估计，采用残差结构进行去噪优化，简单有效地去除了增强后图像中的噪声，使得本发明能快速有效地进行去噪，且增强后图像变得更加平滑，提高了视觉效果和图像质量。

本发明授权基于Transformer网络的噪声估计图像增强方法在权利要求书中公布了：1.一种基于Transformer网络的噪声估计图像增强方法，其特征在于，构建基于Transformer的特征提取分解网络，以及噪声估计优化网络；该图像增强方法的步骤包括如下：步骤1，生成训练集：选取至少500张含有噪声的低光照度图像，将每张图像裁剪为128*128大小的图像块，对每个图像块进行数据增广，再将增广后的所有图像块转换为3*128*128的张量形式，将所有张量形式的图像块组成训练集；步骤2，构建基于Transformer的特征提取分解子网络：搭建由第一卷积层，第一Transformer层，第二Transformer层，第三Transformer层，第二卷积层、除法器依次串联组成的特征提取分解子网络；第一、第二卷积层的激活函数分别采用ReLU函数和Sigmoid函数实现，卷积核的尺寸分别设置为3*3和1*1，步长均设置为1；第一至第三Transformer层的通道数均设置为16；步骤3，构建噪声估计优化子网络：步骤3.1，搭建由第一卷积层、第二卷积层串联组成的噪声估计模块，第一、第二卷积层的激活函数均采用ReLU函数，卷积核尺寸分别设置为3*3和1*1，步长均设置为1；步骤3.2，搭建由第一卷积层、第二卷积层、通道注意力层串联组成的优化模块；第一、第二卷积层的激活函数均采用ReLU函数，卷积核尺寸均设置为3*3，步长均设置为1；通道注意力层的通道数设置为16；步骤3.3，搭建由乘法器、卷积层、相加器串联组成的融合模块，卷积层的激活函数采用ReLU函数，卷积核尺寸设置为1*1，步长设置为1；步骤3.4，将噪声估计模块与优化模块并联后再与融合模块串联组成噪声估计优化子网络；步骤4，将特征提取分解子网络与噪声估计优化子网络串联组成增强网络；步骤5，训练增强网络：将训练集输入到增强网络中，利用反向传播算法进行梯度下降，迭代更新增强网络的参数，直到增强网络的损失函数收敛为止，得到训练好的增强网络；步骤6，对低光照图像进行图像增强：采用与步骤1相同的方式，对待增强的低光照图像进行裁剪、增广处理后，输入到训练好的增强网络中，进行图像增强，输出正常光照的图像。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。