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！

龙图腾网恭喜长安大学申请的专利基于改进的多尺度融合生成对抗网络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：CN115223004B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202210692241.1，技术领域涉及：G06V10/774；该发明授权基于改进的多尺度融合生成对抗网络图像增强方法是由王炜昊;王夏黎设计研发完成，并于2022-06-17向国家知识产权局提交的专利申请。

本基于改进的多尺度融合生成对抗网络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改进的多尺度融合生成对抗网络图像增强方法：步骤1：建立不同亮度的图像数据集；步骤2：建立改进的生成对抗网络图像增强模型，将训练集代入模型进行训练得到训练好的模型；步骤3：将待处理的真实的低照度图像输入训练好的模型中得到增强后的图像。本发明在生成器中引入通道注意力机制和残差稠密块，改善增强后图片局部突变的情况，使网络更加关注感兴趣信息，增强网络的灵活性。利用多层网络多维度提取图片特征，允许每一层网络都可以向后面网络传输需要保留的信息，将浅层的特征与深层的特征融合，在图像增强中可以提取到更多细节信息，解决增强后局部失真的问题。

本发明授权基于改进的多尺度融合生成对抗网络图像增强方法在权利要求书中公布了：1.一种基于改进的多尺度融合生成对抗网络图像增强方法，其特征在于，包括如下步骤：步骤1：建立不同亮度的图像数据集；步骤2：建立改进的生成对抗网络图像增强模型，将步骤1得到的训练集代入改进的生成对抗网络图像增强模型进行训练，得到训练好的模型；通过测试集进行测试；其中，所述改进的生成对抗网络图像增强模型包括生成器和判别器；所述生成器对输入其中的低照度图像数据集中每个图像的处理过程包括如下子步骤：步骤21：采用7*7的卷积层提取训练集的低照度图像的浅层特征信息；步骤22：浅层特征信息依次通过两个下采样层，获取与原始图像不同尺度的图像信息；步骤23：将步骤22获得的图像信息送入深度特征提取模块，该模块包括两条并行的支路，这两条并行的支路通过不同大小的卷积核获得不同感受野的深层信息；所述两条并行的支路组成相同，包括依次连接的卷积层、激活函数和交替模块层和Concat层，且激活函数的输出和交替模块的输出共同连接Concat层；其中，所述交替模块包括交替连接的三个残差稠密块和三个通道注意力模块；步骤24：将两条支路获得的不同感受野的深层信息进行视觉融合得到融合的特征图；步骤25：对融合的特征图依次进行一次卷积、一次激活、两次上采样和再次卷积操作，得到输出特征图；其中，第一次卷积用于对融合后的特征进一步提取特征信息，两次上采样用于还原图像尺寸，再次卷积用于图像恢复；步骤26，将步骤25得到的输出特征图与训练集其对应的原始图像共同连接Concat层，得到最终输出结果；步骤3：将待处理的真实的低照度图像输入步骤2得到的训练好的模型中，得到增强后的图像。

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长安大学，其通讯地址为：710064 陕西省西安市雁塔区二环南路中段126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”。