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！

龙图腾网获悉武汉大学申请的专利基于深度学习的低亮图像增强安全方法及装置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：CN119863413B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202510349393.5，技术领域涉及：G06T5/90；该发明授权基于深度学习的低亮图像增强安全方法及装置是由崔晓晖;梁锡泓设计研发完成，并于2025-03-24向国家知识产权局提交的专利申请。

本基于深度学习的低亮图像增强安全方法及装置在说明书摘要公布了：本发明公开了一种基于深度学习的低亮图像增强安全方法及装置，首先收集大量涵盖不同场景、光照条件和物体内容的低亮图像并进行预处理；然后构建深度学习模型，模型包括图像光线模拟模块和图像增强模块，图像光线模拟模块用于基于低亮图像数据，模拟光源对图像的影响，计算光线与图像互动后的散射、反射和阴影效果，生成光线模拟数据，图像增强模块用于根据光线模拟数据，调整相关参数进行增强处理；然后采用预处理后的低亮图像数据对构建的深度学习模型进行训练；最后利用训练好的深度学习模型对待处理的低亮图像进行增强。本发明可以显著提升模型的识别精确性和应用效率，提高图像增强的质量，增强的图像显示出忠实的物理合理性和细节真实性。

本发明授权基于深度学习的低亮图像增强安全方法及装置在权利要求书中公布了：1.一种基于深度学习的低亮图像增强安全方法，其特征在于，包括： 收集大量涵盖不同场景、光照条件和物体内容的低亮图像，对收集的低亮图像进行预处理； 构建深度学习模型，所述深度学习模型包括图像光线模拟模块和图像增强模块，其中，所述图像光线模拟模块用于基于低亮图像数据，模拟光源对图像的影响，计算光线与图像互动后的散射、反射和阴影效果，生成光线模拟数据，图像增强模块用于根据光线模拟数据，调整相关参数进行增强处理，输出增强后的图像，模型采用均方误差和结构相似性损失函数组合，引导模型在提升亮度的同时关注图像结构和细节保持，引入感知损失函数，用以保证增强图像在高层语义特征上与参考图像相似，其中，图像增强模块包括参数调整子模块、细节增强子模块以及图像输出子模块，其中，参数调整子模块用于基于光线模拟数据，分析图像中的色彩分布与光照强度，逐一调整参数匹配预定的视觉效果，并调节亮度级别与色彩饱和度，生成图像参数优化数据，细节增强子模块用于采用所述图像参数优化数据，对图像中的细节进行层次分离，锐度与对比度调整，优化图像中的关键视觉元素，图像输出子模块用于通过所述细节优化的图像，调整分辨率并进行色彩校正，输出增强后的图像； 采用预处理后的低亮图像数据对构建的深度学习模型进行训练； 利用训练好的深度学习模型对待处理的低亮图像进行增强； 对增强后的图像进行内容审核，通过分析增强图像的特征分布可视度、细节合理性、失真情况来评估其真实性、可信度，同时通过嵌入数字水印和执行图像内容监控，生成具有防伪特性的图像数据。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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”。