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！

龙图腾网获悉中国矿业大学(北京)申请的专利一种基于全局和通道注意力多尺度聚合网络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：CN121304510B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202511376669.5，技术领域涉及：H04N5/325；该发明授权一种基于全局和通道注意力多尺度聚合网络的图像增强方法是由刘康;杨哲;冀润诗;夏韩设计研发完成，并于2025-09-25向国家知识产权局提交的专利申请。

本一种基于全局和通道注意力多尺度聚合网络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全局和通道注意力多尺度聚合网络的图像增强方法，包括：获取待处理的图像数据集；构建低光照图像增强模型；将待处理的图像数据集输入所述低光照图像增强模型中进行处理，获得增强后的图像；其中，低光照图像增强模型通过训练集进行训练后获得，训练集为低光照图像数据集及其对应的参考图像数据集。本发明提高了低光照图像信息的利用效率，从而更好地恢复图像细节、调整图像饱和度、降低噪声以及提升视觉效果。

本发明授权一种基于全局和通道注意力多尺度聚合网络的图像增强方法在权利要求书中公布了：1.一种基于全局和通道注意力多尺度聚合网络的图像增强方法，其特征在于，包括： 获取待处理的图像数据集； 构建低光照图像增强模型； 将所述待处理的图像数据集输入所述低光照图像增强模型中进行处理，获得增强后的图像； 其中，所述低光照图像增强模型通过训练集进行训练后获得，所述训练集为低光照图像数据集及其对应的参考图像数据集，所述低光照图像增强模型基于全局亮度感知像素校准、自适应全局-通道注意力机制及多尺度编码器进行特征聚合； 构建所述低光照图像增强模型包括： 基于低光照图像，构建全局亮度感知像素校准模块，获得亮度初步增强后的图像； 基于亮度初步增强后的图像，构建编码器模块，获得已编码图像特征； 基于已编码图像特征，构建多尺度编码器特征聚合模块，得到已编码图像特征的多尺度编码器特征的聚合特征； 基于已编码图像特征，构建下采样模块，获得空间尺寸为已编码图像特征一半，通道维度为已编码图像特征两倍的下采样图像特征； 基于下采样图像特征，构建上采样模块，获得空间尺寸为下采样图像特征两倍，通道维度为下采样图像特征一半的上采样图像特征； 基于多尺度编码器特征的聚合特征和上采样图像特征，构建解码器模块，获得解码后的图像特征； 基于全局亮度感知像素校准模块、下采样模块、编码器模块、上采样模块、解码器模块和多尺度编码器特征聚合模块，构建所述低光照图像增强模型； 所述编码器模块和所述解码器模块结构相同，包括用于全局特征增强的第一残差单元和用于通道间信息交互的第二残差单元； 所述第一残差单元用于将输入特征进行归一化和特征映射，并通过门控机制保留高效信息流，然后经过自适应全局–通道注意力单元进行全局特征增强，得到全局增强后的图像特征； 所述第二残差单元用于对所述全局增强后的图像特征进行通道维度的扩展，通过门控机制有选择的保留重要特征，最后将图像特征恢复为原始的通道维度，得到通道间信息充分交流的图像特征； 所述自适应全局–通道注意力单元包括并行的全局注意力分支和通道注意力分支； 其中，所述全局注意力分支用于提取输入特征的全局空间注意力权重； 所述通道注意力分支用于生成输入特征的通道注意力权重； 将所述全局空间注意力权重与所述通道注意力权重进行自适应融合，得到综合注意力权重；所述综合注意力权重用于对输入特征进行增强，得到全局增强后的图像特征； 所述多尺度编码器特征聚合模块包括： 特征对齐单元，用于对多尺度特征进行空间分辨率对齐，获得尺寸统一的多尺度特征； 多分支注意力加权单元，用于对各尺度特征进行通道注意力加权； 特征融合单元，用于拼接和融合加权后的多尺度特征，获得多尺度聚合特征； 调制输出单元，用于对所述多尺度聚合特征进行通道调制并与解码器输入特征相加，输出增强后的解码器输入特征。

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中国矿业大学(北京)，其通讯地址为：100083 北京市海淀区学院路丁11号人工智能学院逸夫楼808；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”。

以上内容由龙图腾AI智能生成。