買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中科方寸知微(南京)科技有限公司;國網(wǎng)內(nèi)蒙古東部電力有限公司;中國科學(xué)院自動化研究所申請的專利一種基于圖像填充增強(qiáng)的圖像去陰影方法和系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120339135B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510787476.2，技術(shù)領(lǐng)域涉及：G06T5/77；該發(fā)明授權(quán)一種基于圖像填充增強(qiáng)的圖像去陰影方法和系統(tǒng)是由付家興;李文鵬;李江濤;張大偉;王星博;張一帆;王亮;魏學(xué)備設(shè)計(jì)研發(fā)完成，并于2025-06-13向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于圖像填充增強(qiáng)的圖像去陰影方法和系統(tǒng)在說明書摘要公布了：本發(fā)明提供了一種基于圖像填充增強(qiáng)的圖像去陰影方法和系統(tǒng)，涉及圖像處理領(lǐng)域，包括以下步驟：構(gòu)建圖像恢復(fù)模型；根據(jù)去陰影數(shù)據(jù)集的真實(shí)圖像，利用隨機(jī)掩碼構(gòu)建圖像填充任務(wù)訓(xùn)練數(shù)據(jù)集，利用圖像填充任務(wù)訓(xùn)練數(shù)據(jù)集對圖像恢復(fù)模型進(jìn)行訓(xùn)練，保存模型權(quán)重文件；基于模型權(quán)重文件，對訓(xùn)練完成的圖像恢復(fù)模型再次進(jìn)行訓(xùn)練，對訓(xùn)練過程中的圖像恢復(fù)模型進(jìn)行優(yōu)化，根據(jù)優(yōu)化后的圖像恢復(fù)模型，確定并保存模型優(yōu)化權(quán)重文件；對圖像恢復(fù)模型進(jìn)行初始化處理，并利用初始化處理后的圖像恢復(fù)模型對待處理的帶陰影圖像進(jìn)行去陰影處理，得到去除陰影后的圖像。本發(fā)明實(shí)現(xiàn)了任務(wù)的動態(tài)適配，顯著提升了模型應(yīng)對復(fù)雜退化場景的處理能力。

本發(fā)明授權(quán)一種基于圖像填充增強(qiáng)的圖像去陰影方法和系統(tǒng)在權(quán)利要求書中公布了：1.一種基于圖像填充增強(qiáng)的圖像去陰影方法，其特征在于，包括以下步驟： S1、基于單任務(wù)圖像增強(qiáng)模型，結(jié)合預(yù)訓(xùn)練的圖文增強(qiáng)編碼器、文本編碼器及任務(wù)選擇模塊，構(gòu)建圖像恢復(fù)模型； S2、根據(jù)去陰影數(shù)據(jù)集的真實(shí)圖像，利用隨機(jī)掩碼構(gòu)建圖像填充任務(wù)訓(xùn)練數(shù)據(jù)集，利用圖像填充任務(wù)訓(xùn)練數(shù)據(jù)集對圖像恢復(fù)模型進(jìn)行訓(xùn)練，并在訓(xùn)練完成后，保存模型權(quán)重文件； S3、基于模型權(quán)重文件，利用圖像填充任務(wù)訓(xùn)練數(shù)據(jù)集，對訓(xùn)練完成的圖像恢復(fù)模型再次進(jìn)行訓(xùn)練，并結(jié)合余弦退火與熱重啟的學(xué)習(xí)率調(diào)度法，對訓(xùn)練過程中的圖像恢復(fù)模型進(jìn)行優(yōu)化，根據(jù)優(yōu)化后的圖像恢復(fù)模型，確定并保存模型優(yōu)化權(quán)重文件； S4、基于模型優(yōu)化權(quán)重文件，對圖像恢復(fù)模型進(jìn)行初始化處理，并利用初始化處理后的圖像恢復(fù)模型對待處理的帶陰影圖像進(jìn)行去陰影處理，得到去除陰影后的圖像； 所述基于單任務(wù)圖像增強(qiáng)模型，結(jié)合預(yù)訓(xùn)練的圖文增強(qiáng)編碼器及文本編碼器，構(gòu)建圖像恢復(fù)模型包括以下步驟： S11、根據(jù)預(yù)先配置的單任務(wù)圖像增強(qiáng)模型，通過引入預(yù)訓(xùn)練的圖文增強(qiáng)編碼器中的圖像增強(qiáng)編碼器，得到初始模型結(jié)構(gòu)， S12、基于初始模型結(jié)構(gòu)，通過引入文本編碼器，得到多級模型結(jié)構(gòu)； S13、根據(jù)多級模型結(jié)構(gòu)，通過引入任務(wù)選擇模塊及混合注意力模塊，得到圖像恢復(fù)模型； 其中，所述圖像增強(qiáng)編碼器用于提取與圖像編碼器權(quán)重相對應(yīng)的圖像特征； 所述文本編碼器用于將任務(wù)描述文本編碼為嵌入向量，得到任務(wù)語義特征，以實(shí)現(xiàn)從文本到語義特征向量的轉(zhuǎn)換； 所述任務(wù)選擇模塊用于利用交叉注意力機(jī)制對圖像特征和任務(wù)語義特征進(jìn)行融合，得到任務(wù)引導(dǎo)的特征圖； 所述混合注意力模塊，用于提取不同層級的特征并通過拼接生成尺度特征，結(jié)合任務(wù)引導(dǎo)的特征圖，動態(tài)調(diào)整空間與通道權(quán)重。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人中科方寸知微(南京)科技有限公司;國網(wǎng)內(nèi)蒙古東部電力有限公司;中國科學(xué)院自動化研究所，其通訊地址為：211100 江蘇省南京市江寧區(qū)麒麟科技創(chuàng)新園創(chuàng)研路266號人工智能產(chǎn)業(yè)園3號樓203B室；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。