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！

龙图腾网获悉重庆大学申请的专利一种基于脉冲神经网络的多退化场景双目图像自适应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：CN120495110B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202510656667.5，技术领域涉及：G06T5/60；该发明授权一种基于脉冲神经网络的多退化场景双目图像自适应增强方法是由谢今;徐荣华;赵明珠;吴玉龙;聂晶设计研发完成，并于2025-05-21向国家知识产权局提交的专利申请。

本一种基于脉冲神经网络的多退化场景双目图像自适应增强方法在说明书摘要公布了：本发明涉及一种基于脉冲神经网络的多退化场景双目图像自适应增强方法，属于图像处理领域。该方法包括：构建用于多退化场景双目图像增强的脉冲神经网络模型，该网络模型包括均采用编码器‑解码器结构的第一分支和第二分支，在第一分支和第二分支的编码器块与解码器块之间，通过脉冲立体交叉注意力模块进行特征交互；准备数据集训练所构建的网络模型，并对训练的网络模型进行评估，判断网络模型的图像恢复效果是否达到性能要求，若未达到要求则重新进行训练；最后，采用训练完成且经过评估的网络模型对多退化场景双目图像进行恢复。本发明能够大幅降低计算能耗，提高脉冲网络的计算效率，对于图像中的雨线和雨滴具有较好的去除效果，具备通用性。

本发明授权一种基于脉冲神经网络的多退化场景双目图像自适应增强方法在权利要求书中公布了：1.一种基于脉冲神经网络的多退化场景双目图像自适应增强方法，其特征在于，该方法包括： 首先，构建用于多退化场景双目图像增强的脉冲神经网络模型，该网络模型包括第一分支和第二分支，所述第一分支和第二分支均采用编码器-解码器结构，在所述第一分支和第二分支的编码器块与解码器块之间，通过脉冲立体交叉注意力模块将所述第一分支和第二分支的编码器块的输出结合后，再分别输入所述第一分支和第二分支的解码器块中； 所述第一分支和第二分支具有相同的编码器-解码器结构；其中，所述编码器块包括依次连接第一至第四层编码器，第一层编码器包括卷积模块和特征提取块，第三至第四层编码器均包括下采样模块和特征提取块；所述解码器块包括依次连接的第一至第四层解码器，第一至第三层解码器均包括上采样模块和特征提取块，第四层解码器包括卷积模块和特征提取块；所述特征提取块包括两个级联的脉冲残差块，后一个脉冲残差块的输出与所述特征提取块的输入相加后作为所述特征提取块的输出；所述脉冲残差块包括两个级联的脉冲卷积单元Ⅱ，后一个脉冲卷积单元Ⅱ的输出与所述脉冲残差块的输入相加后作为所述脉冲残差块的输出； 所述脉冲立体交叉注意力模块包括第一至第四脉冲可分离卷积模块和第一至第二脉冲卷积单元Ⅰ；第一和第二脉冲可分离卷积模块接收所述第一分支编码器块的输出，第三和第四脉冲可分离卷积模块接收所述第二分支编码器块的输出；第三脉冲可分离卷积模块的输出先进行矩阵转置后再与第二脉冲可分离卷积模块的输出相乘得到特征；特征经过矩阵转置后与第一脉冲可分离卷积模块的输出相乘得到特征，特征进入第二脉冲卷积单元Ⅰ中，经过处理后所述第二脉冲卷积单元Ⅰ的输出先与相加，相加结果再进行矩阵维度重塑得到特征，所述特征作为所述第二分支解码器块的输入；特征与第四脉冲可分离卷积模块的输出相乘得到特征，特征进入第一脉冲卷积单元Ⅰ中，经过处理后所述第一脉冲卷积单元Ⅰ的输出先与相加，相加结果再进行矩阵维度重塑得到特征，所述特征作为所述第一分支解码器块的输入； 其次，准备包含雨线图像的数据集或包含雨滴图像的数据集，进行数据增强后用于训练所构建的脉冲神经网络模型，通过计算所述脉冲神经网络模型输出图像与真实图像之间的损失值来优化模型参数； 然后，对经过训练的脉冲神经网络模型进行评估，判断所述脉冲神经网络模型的图像恢复效果是否达到性能要求，若未达到要求则重新进行训练； 最后，采用训练完成且经过评估的脉冲神经网络模型对多退化场景双目图像进行恢复。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙坪坝正街174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”。

以上内容由龙图腾AI智能生成。