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！

龙图腾网恭喜长春理工大学申请的专利一种改进的Retinex-Net渐晕图像校正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：CN116579941B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202310498094.9，技术领域涉及：G06T5/94；该发明授权一种改进的Retinex-Net渐晕图像校正方法是由黄丹丹;王菲;刘智;王惠绩;高晗设计研发完成，并于2023-05-05向国家知识产权局提交的专利申请。

本一种改进的Retinex-Net渐晕图像校正方法在说明书摘要公布了：本发明属于数字图像处理技术领域，尤其为一种改进的Retinex‑Net渐晕图像校正方法，包括以下步骤，步骤1：图像预处理，批处理所采集图像集的尺寸、格式；步骤2：在已训练好的改进的Retinex‑Net模型中输入成对的渐晕和对照图像。本发明结合Retinex理论和卷积神经网络，利用约束条件将渐晕图像分解为光照分量图和反射分量图像，将光照分量图像增强处理，并通过空洞卷积网络扩大感受野，将反射分量图像输入密集残差网络对其进行去噪，再将处理后的两个分量融合重建，从而获得校正后的恢复图像。本发明算法与其他校正算法进行对比，具有优越的处理效果和处理性能，校正后的恢复图像十分接近原图，实用性与鲁棒性有很大提升。

本发明授权一种改进的Retinex-Net渐晕图像校正方法在权利要求书中公布了：1.一种改进的Retinex-Net渐晕图像校正方法，其特征在于：包括以下步骤，步骤1：图像预处理，批处理所采集图像集的尺寸、格式；步骤2：在已训练好的改进的Retinex-Net模型中输入成对的渐晕和对照图像；步骤3：将步骤2中输入的渐晕图像和对照图像通过分解网络，得到对照图像分解后的光照分量Inormal和反射分量Rnormal，渐晕图像分解后的光照分量IVignetting和反射分量RVignetting；将IVignetting、RVignetting输入到校正网络中分别进行增强和去噪处理；步骤4：校正网络为多分支网络，在步骤3中输入的IVignetting通过校正网络进行增强处理得到光照分量的增强图像Ienhance，RVignetting通过密集残差去噪RDB网络得到去噪处理后反射分量的增强图像Renhance；所述步骤4中，在校正网络中，包含的两个模块；校正网络中的第一个模块为增强模块，在输入层中输入RVignetting图像和IVignetting图像，隐藏层中共五层，先通过两层卷积ReLu激活层，其目的是进行下采样操作，明确大尺度图像的光照分量情况，同时与镜像上采样层进行跳跃连接，重建图像局部光照分布，让网络强制学习残差，再通过一层大小为1x1的卷积层将多尺度拼接后的多通道特征简化，最后通过一个3x3的卷积输出层，重建光照分量图像；校正网络中的第二个模块分空洞卷积网络模块，该网络结构是八层卷积，其目的是为了提高感受野，IVignetting图像并行经过空洞卷积网络和增强子网络，最后经过一个大小为1x1的卷积层合并得到光照分量的增强图像Ienhance；所述步骤4中，在反射去噪网络中，为了充分利用反射分量图像中的所有特征，提高网络性能，在去噪网络中使用密集残差网络；其RDB网络第一层是卷积+ReLu激活函数，经过卷积提取特征之后再通过ReLu激活形成非线性的特征映射，网络的第二层结构为残差块，其中包含三个denseblock，每个denseblock中又含有4层卷积+ReLu激活函数，每个卷积层获得模块中所有先前卷积层的输出，其中相邻的卷积采用短连接的方式，且所有卷积层跳跃连接在一起，第三层到第十一层的结构是卷积+ReLu激活+BN，即特征提取之后再进行特征映射，将特征进行规范化处理，最后的输出层为大小为3x3的卷积层，得到训练后的去噪反射分量步骤5：将步骤4中处理过后的两个分量图像Renhance和Ienhance进行融合重建，获得校正之后的恢复图像。

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长春理工大学，其通讯地址为：130012 吉林省长春市卫星路7089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”。