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！

龙图腾网获悉深圳市大成精密设备股份有限公司;东莞市大成智能装备有限公司申请的专利基于无监督学习的X-Ray图像增强方法及相关设备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：CN121258827B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511813047.4，技术领域涉及：G06T5/70；该发明授权基于无监督学习的X-Ray图像增强方法及相关设备是由余翱;韦金成设计研发完成，并于2025-12-04向国家知识产权局提交的专利申请。

本基于无监督学习的X-Ray图像增强方法及相关设备在说明书摘要公布了：本发明涉及人工智能技术领域，具体为基于无监督学习的X‑Ray图像增强方法及相关设备，方法包括：获取待增强X‑Ray图像和训练好的无监督图像增强网络；将待增强X‑Ray图像输入至无监督图像增强网络，通过第一去噪子网络对输入的X‑Ray图像进行噪声抑制处理，得到去噪特征图；通过光照估计网络中的CBR模块和ResCBR模块提取所述去噪特征图中的深层特征后，通过多尺度空间金字塔结构处理非均匀光照，生成平滑且边界感知的照明特征图；通过第二去噪子网络对所述照明特征图进行处理，并通过卷积与平稳小波变换的交替操作进行结构化降噪，得到增强图像；本发明能够提高X‑Ray图像中缺陷区域的清晰度与对比度。

本发明授权基于无监督学习的X-Ray图像增强方法及相关设备在权利要求书中公布了：1.一种基于无监督学习的X-Ray图像增强方法，其特征在于，所述方法包括以下步骤： 获取待增强X-Ray图像和训练好的无监督图像增强网络；该无监督图像增强网络包含第一去噪子网络、光照估计网络和第二去噪子网络； 将所述待增强X-Ray图像输入至所述无监督图像增强网络，通过第一去噪子网络对输入的X-Ray图像进行噪声抑制处理，得到去噪特征图；通过光照估计网络中的CBR模块和ResCBR模块提取所述去噪特征图中的深层特征后，通过多尺度空间金字塔结构处理非均匀光照，生成平滑且边界感知的照明特征图；通过第二去噪子网络对所述照明特征图进行处理，并通过卷积与平稳小波变换的交替操作进行结构化降噪，得到增强图像； 所述通过第一去噪子网络对输入的X-Ray图像进行噪声抑制处理，得到去噪特征图，包括： 将所述待增强X-Ray图像输入首个噪声抑制模块的CBL模块，经Conv层卷积提取初始特征、BN层批归一化及LeakyRelu激活后获得原始特征图； 对原始特征图分支处理，左支通过自适应平均池化、1D卷积及sigmoid生成通道注意力权重特征图，右支经全局平均与最大池化捕获空间信息后级联，再通过1×1卷积及sigmoid生成空间注意力权重特征图； 将通道注意力权重特征图与空间注意力权重特征图在通道维度级联得到首个噪声抑制模块输出的特征图，再依次输入后续两个串联的噪声抑制模块重复处理，得到第一去噪子网络输出的去噪特征图； 所述通过多尺度空间金字塔结构处理非均匀光照，生成平滑且边界感知的照明特征图，包括： 将经过ResCBR模块处理后的特征图分别输入至多尺度空间金字塔结构的4个并行分支； 采用不同的卷积核对输入的特征图进行分组卷积，使用sigmoid函数生成像素注意力权重图，将该权重图与分组卷积后的特征图进行逐像素相乘，得到各并行分支输出的多尺度特征图； 将多尺度特征图在通道维度进行级联，对级联后的特征图通道数进行调整，生成照明特征图； 所述通过第二去噪子网络对所述照明特征图进行处理，并通过卷积与平稳小波变换的交替操作进行结构化降噪，得到增强图像，包括： 将所述待增强X-Ray图像与照明特征图逐像素相除得到反射图像，将该反射图像和照明特征图输入第二去噪子网络首个卷积层获得第一特征图； 将该第一特征图经平稳小波变换层分解为低频子带与多个高频子带，对该第一特征图中的高频子带采用门控机制抑制噪声并保留低频子带结构及边缘细节，得到第二特征图； 将该第二特征图输入第二个卷积层后再次通过平稳小波变换层分解与高频噪声抑制，得到第三特征图； 将该第三特征图输入第三个卷积层，整合多尺度降噪特征以输出增强图像。

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深圳市大成精密设备股份有限公司;东莞市大成智能装备有限公司，其通讯地址为：518100 广东省深圳市宝安区西乡街道蚝业社区兴业路2008号海滨新村18栋3003A；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。