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！

龙图腾网获悉浙江海洋大学申请的专利一种基于图像增强的港口集装箱号识别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：CN115830585B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202211545908.1，技术领域涉及：G06V20/62；该发明授权一种基于图像增强的港口集装箱号识别方法是由宋广军;侯佳辛;陆洋;毕振波设计研发完成，并于2022-12-05向国家知识产权局提交的专利申请。

本一种基于图像增强的港口集装箱号识别方法在说明书摘要公布了：本发明公开一种基于图像增强的港口集装箱号识别方法，包括以下步骤：在货运港口采集低照度环境下的集装箱图像形成图像库；搭建Retinex分解的对抗增强网络，对图像库进行图像增强处理以提高增强效果；通过对增强处理的集装箱图像箱号进行预处理，提取字符构建箱号字符数据集，搭建的卷积神经网络模型进行字符数据集的迭代训练，以提高识别字符的准确率；将实际采集到的待识别低照度集装箱图像载入训练好的图像增强网络对低照度图像完成增强处理，得到高质量的图像；对增强后的高质量的图像进行预处理，提取出待识别箱体字符图像，将得到对的字符图像输入到训练好的卷积神经网络模型进行箱号识别，得到最终结果。

本发明授权一种基于图像增强的港口集装箱号识别方法在权利要求书中公布了：1.一种基于图像增强的港口集装箱号识别方法，其特征在于，包括以下步骤： 在货运港口采集低照度环境下的集装箱图像形成图像库； 搭建Retinex分解的对抗增强网络，对图像库进行图像增强处理以提高增强效果； 通过对增强处理的集装箱图像箱号进行预处理，提取字符构建箱号字符数据集，搭建的卷积神经网络模型进行字符数据集的迭代训练，以提高识别字符的准确率； 将实际采集到的待识别低照度集装箱图像载入训练好的图像增强网络对低照度图像完成增强处理，得到高质量的图像； 对增强后的高质量的图像进行预处理，提取出待识别箱体字符图像，将得到对的字符图像输入到训练好的卷积神经网络模型进行箱号识别，得到最终结果； 所述搭建Retinex分解的对抗增强网络，包括如下步骤： S1.在分解网络中对原始的低照度图像进行有效分解，并通过多项分解损失来保证分解过程中对细节恢复的能力； S2.利用融合增强网络对分解出的结果进行增强学习； S3.通过鉴别网络将融合增强的结果与原始参考图像进行博弈，以得到更贴近参考图像的增强结果； 步骤S1中分解网络的多项分解损失为LRD＝Lini+α*Lwtv+β*Lcom+γ*Lerr，其中初始化损失Lini、加权全变化损失Lwtv、分解损失Lcom以及反射误差损失Lerr，而常量α、β、γ是比重参数，具体如下： 初始化损失Lini：通过计算分解光照PI与估计光照Pv之间的均方误差MSE，来实现对分解光照PI的初始化，公式如下： 其中，InI为输入图光照分量，InV为图像估计光照分量，LbI为参考图像光照分量，LbV为估计图像光照分量； 加权全变化损失Lwtv：加权全变化损失Lwtv是利用图像的全变化大小来限制图像的噪声大小，进而使图像的光照分量变得平滑，同时避免了光晕瑕疵的产生，定义一个权重矩阵PW，具体表示如下： 其中，表示在水平方向和垂直方向上的全变分，wx为一个以像素点x为中心3×3大小的窗口，因此Lwtv可表示为： 分解损失Lcom：通过计算PI·PR与P之间的均方误差MSE，来保证图像分解的精度，这里P是原图光照，PR为反射光照，具体计算过程如下： 其中Input为原低照度图像，Label为目标图像照度， 反射误差损失 InR为输入图像反射光分量，LbR参考图像反射光分量，通过计算InR与LbR之间的均方误差MSE，来保证图像分解出的反射率精度。

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浙江海洋大学，其通讯地址为：316022 浙江省舟山市临城新区长峙岛海大南路1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。