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！

龙图腾网恭喜复旦大学申请的专利基于可逆色调映射网络的传统图像压缩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：CN114820354B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202210370645.9，技术领域涉及：G06T5/90；该发明授权基于可逆色调映射网络的传统图像压缩增强方法是由颜波;谭伟敏;王峻逸设计研发完成，并于2022-04-10向国家知识产权局提交的专利申请。

本基于可逆色调映射网络的传统图像压缩增强方法在说明书摘要公布了：本发明属于图像处理技术领域，具体为一种基于可逆色调映射网络的传统图像压缩算法增强方法。本发明以可逆深度神经网络结构为主体，在编码阶段将图像映射到线性空间，降低像素占用比特，在解码阶段建立鲁棒的色调映射还原；采用基于窗口自注意力的滤波模块在编解码阶段对映射图像抑制或增强，从而减轻量化丢失信息带来的影响。本发明是一种自动的传统算法增强方法，能够有效将深度学习方法的模式迁移到传统算法上。实验结果表明，本发明可以在未针对特定传统算法训练的前提下，提升其在非原设计目标的其它指标上的性能表现。

本发明授权基于可逆色调映射网络的传统图像压缩增强方法在权利要求书中公布了：1.一种基于可逆色调映射网络的传统图像压缩增强方法，其特征在于，以可逆深度神经网络结构为主体，在编码阶段将原始图像映射到线性空间，降低像素占用比特；在解码阶段建立鲁棒的色调映射还原；采用基于窗口自注意力的滤波模块在编解码阶段对映射图像抑制或增强，从而减轻量化丢失信息带来的影响；具体步骤为：1构建可逆色调映射网络，用于在原始图像和线性空间图像之间建立鲁棒的色调映射，正运算得到映射图像Im，逆运算得到输出图像Id；2构建梯度代理网络，用于替代无法在深度学习中计算梯度的不可微传统算法，得到优化神经网络的梯度；3构建基于窗口自注意力的滤波模块，用于在编解码阶段对映射图像抑制或增强，得到传统算法编码前和色调映射网络逆运算前的滤波图像；步骤1中，所述可逆色调映射网络由8组串联的仿射耦合层构成；每组仿射耦合层包括3个基础模块和1个可逆运算的1x1卷积层；其中，第一组仿射耦合层输入为原始图像I，每组的输出结果传递到下一组作为输入，最后一组输出映射图像Im；依次记3个基础模块为s、t1、t2，每个基础模块由3个卷积层构成；对仿射耦合层的当前输入m，在通道维度分为m1和m2，再将运算结果n1和n2合并得到当前输出n的正运算过程为：n1＝m1+t1m2；1n2＝m2⊙expsn1+t2n1；2其中，⊙表示Hadamard积，exp表示指数运算；相对地，可以对每组仿射耦合层执行逆运算，过程为：m2＝n2–t2n1⊙exp-sn1；3m1＝n1–t1m2；4其中，sn1表示基础模块s对n1的操作，t1m2表示基础模块t1对m2的操作，t2n1表示基础模块t2对n1的操作；步骤2中，所述梯度代理网络为一种预训练的图像压缩网络，用于替代无法在深度学习中计算梯度的不可微传统算法，获取优化神经网络的梯度；测试阶段，将代理网络换回传统算法，通过在少量数据上的尝试找到对目标传统算法量化参数QP最合适的代理网络参数；步骤3中，所述滤波模块包括2个基础模块和1个窗口自注意力模块；每个基础模块由4个卷积层构成，搭配步长或双线性插值对图像特征上下采样；窗口自注意力模块通过通道重组将图像特征划分成不重叠的16x16大小的窗口；每个窗口的神经网络特征通过全连接层进一步得到3个中间特征Q、K、V，窗口自注意力模块的计算过程表示为：AttentionQ,K,V＝SoftmaxQKT+BV，5其中，B为窗口中所有元素的相对位置偏置；窗口自注意力最后重组回原形状，与输入神经网络特征相加；编码阶段的滤波模块输入映射图像Im，输出传统算法编码前的滤波图像；解码阶段的滤波模块输入传统算法的解码图像，输出色调映射网络逆运算前的滤波图像。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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”。