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！

龙图腾网恭喜深圳深知未来智能有限公司申请的专利一种基于增强曲线学习的深度学习图像去雾方法、系统、设备及存储介质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：CN119251097B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202411774706.3，技术领域涉及：G06T5/73；该发明授权一种基于增强曲线学习的深度学习图像去雾方法、系统、设备及存储介质是由韩斌;林景洲;郭奇锋;张齐宁设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种基于增强曲线学习的深度学习图像去雾方法、系统、设备及存储介质在说明书摘要公布了：本发明公开了一种基于增强曲线学习的深度学习图像去雾方法、系统、设备及存储介质，应用于图像处理技术领域，包括：获取带雾图像数据在YUV颜色空间下的亮度值；将带雾图像数据分别裁剪为不同尺度大小的分块，并利用多项式拟合分块的Y通道直方图到GT的变换曲线，基于最小二乘法获取分块在拟合误差最小下的多项式系数，作为带雾图像数据在不同尺度大小下的学习标签；基于学习标签，利用深度学习学习带雾图像数据在不同尺度大小下的Y通道直方图变换曲线，并将不同尺度大小下的学习结果进行多尺度融合，输出图像去雾结果。本发明有效提高了去雾效率、精度以及稳定性。

本发明授权一种基于增强曲线学习的深度学习图像去雾方法、系统、设备及存储介质在权利要求书中公布了：1.一种基于增强曲线学习的深度学习图像去雾方法，其特征在于，包括：步骤1：获取带雾图像数据在YUV颜色空间下的亮度值；步骤2：将所述带雾图像数据分别裁剪为不同尺度大小的分块，并利用多项式拟合所述分块的Y通道直方图到GT的变换曲线，基于最小二乘法获取所述分块在拟合误差最小下的多项式系数，作为所述带雾图像数据在不同尺度大小下的学习标签；步骤3：基于所述学习标签，利用深度学习学习所述带雾图像数据在不同尺度大小下的Y通道直方图变换曲线，并将不同尺度大小下的学习结果进行多尺度融合，输出图像去雾结果；步骤2中，将所述带雾图像数据分别裁剪为不同尺度大小的分块，并利用多项式拟合所述分块的Y通道直方图到GT的变换曲线，具体为：将所述带雾图像数据分别裁剪为3*3、5*5、7*7尺度大小的分块，并利用多项式拟合所述分块的Y通道直方图到GT的变换曲线，如下：fijx＝zij+aijx+bijx2+cijx3+dijx4+eijx5；其中，i＝1，2，3，f1jx、f2jx、f3jx分别为3*3、5*5、7*7尺度大小的分块中第j个分块的Y通道直方图到GT的变换曲线对应的多项式；zij、aij、bij、cij、dij、eij为i对应尺度大小的分块中第j个分块的Y通道直方图变换曲线对应的多项式系数；步骤3中，基于所述学习标签，利用深度学习学习所述带雾图像数据在不同尺度大小下的Y通道直方图变换曲线，并将不同尺度大小下的学习结果进行多尺度融合，输出图像去雾结果，具体为：步骤3.1：使用10个3*3*1的卷积核对所述带雾图像数据进行卷积，提取得到特征F1，并以3*3尺度大小的分块在拟合误差最小下的多项式系数作为学习标签，通过5个3*3*10，步长为3的卷积，得到代表3*3的Y通道直方图变换曲线的学习结果A；步骤3.2：使用10个3*3*1的卷积核对F1进行卷积，得到特征F2，并以5*5尺度大小的分块在拟合误差最小下的多项式系数作为学习标签，通过5个5*5*5，步长为5的卷积，得到代表5*5的Y通道直方图变换曲线的学习结果B；步骤3.3：使用3个3*3*5的卷积核对F2进行卷积，得到特征F3，并以7*7尺度大小的分块在拟合误差最小下的多项式系数作为学习标签，通过5个7*7*3，步长为7的卷积，得到代表7*7的Y通道直方图变换曲线的学习结果C；步骤3.4：分别对所述学习结果A、学习结果B、学习结果C进行快速查表变换，与所述带雾图像数据进行多尺度融合得到F4，通过3*3*4卷积输出图像去雾结果。

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深知未来智能有限公司，其通讯地址为：518101 广东省深圳市宝安区新安街道大浪社区大宝路51号政华第一科技工业城一栋402；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”。