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！

龙图腾网恭喜西安理工大学申请的专利基于双支残差特征融合去雾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：CN114549343B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202210045087.9，技术领域涉及：G06T5/73；该发明授权基于双支残差特征融合去雾方法是由胡辽林设计研发完成，并于2022-01-14向国家知识产权局提交的专利申请。

本基于双支残差特征融合去雾方法在说明书摘要公布了：本发明公开了基于双支残差特征融合去雾方法，能够直接学习有雾图像和无雾图像之间的映射关系，提取不均匀雾气残差特征并实现去雾。其中上下文空间域注意结构和通道注意自编码结构分别关注特征图的像素空间和通道空间，自适应融合两分支提取的特征信息并输出最终雾层残差图，引入判别网络使去雾图像更接近真实观感。实验表明，本发明能够提供优于现有方法的去雾效果，但处理过程耗时较长，后续将优化网络输出雾霾层的效率，使其能应用于自动驾驶等工程实践中。

本发明授权基于双支残差特征融合去雾方法在权利要求书中公布了：1.基于双支残差特征融合去雾方法，其特征在于，按照以下步骤实施：步骤1、取多个场景，分别采集无雾霾场景下的原始图像和同一场景下人工制造的雾霾图像，组成有雾与无雾图像匹配对，并选取开源数据集中图像对，形成图像数据集；步骤2、将图像数据集按照9:1的比例分为训练集和测试集，对训练集进行数据增广，得到增广训练集；步骤3、将增广训练集中的图像对输入双支残差特征融合网络进行训练，得到优化的双支残差特征融合网络；双支残差特征融合网络包括针对有雾图像的高频雾气区域进行像素注意的上下文空间域注意分支和针对高频雾霾特征的通道方向进行注意的通道域注意编解码分支，所述上下文空间域注意分支通过将空间域注意模块插入多尺度扩张卷积组对雾霾特征的上下文像素空间进行权重赋值；所述通道域注意编解码分支通过设置ResNet自编码结构并引入通道注意解码结构对不同通道特征图的权重进行赋值，还包括特征融合分支，所述特征融合分支采用自适应权重融合像素注意和通道注意的雾层特征信息，输出不均匀雾气残差层；所述上下文空间域注意分支通过将空间域注意模块插入多尺度扩张卷积组对雾霾特征的上下文像素空间进行权重赋值具体过程为：通过特征图平均池化和最大池化并在通道方向上进行拼接，特征图维度由C×H×W变为2×H×W；进行卷积核为7×7，步长为1，边界补零的卷积操作，得到输入特征图，并使用Sigmoid函数使激活分布在0-1，再点乘降维后的单通道特征图像素，即完成像素权重赋值，使不同空间位置的像素置换为0~1区间的概率值，即为不同位置像素的权重信息；将输入特征图与空间像素权重相乘即为加权后的雾霾特征的上下文像素空间特征；所述通道域注意编解码分支通过设置ResNet自编码结构并引入通道注意解码结构对不同通道特征图的权重进行赋值具体使用过程为：利用全局平均池化将通道全局空间信息转化为基本通道元素，特征图维度由C×H×W变为C×1×1，1×1卷积也叫作逐点卷积，卷积核是3×3，提取通道特征图，通过1×1卷积和Sigmoid函数，将各个通道的参数置换为0~1区间的概率值，即为该通道的权重，将与权重相乘即为加权后的通道特征；所述双支残差特征融合网络初始参数：以batch为8进行小批次mini-batch并行训练，采用基于Adam优化器进行梯度下降和更新，设置1000epoch作为循环批次进一步优化权重，学习率采用1e-5作为初始值，每500epoch缩放一次，缩放比率分比为0.01和0.001；步骤4、将测试集中的人工制造的雾霾图像输入优化的双支残差特征融合网络，进行基于卷积块、残差结构特征融合，提取雾层残差特征，输出雾霾杂质图层；步骤5、测试集中的人工制造的雾霾图像与雾霾杂质图层跳跃连接输出去雾图，将去雾图与测试集中相应的无雾图像的峰值信噪比和结构相似度进行对比，根据对比结果确定最优双支残差特征融合网络；步骤6、将待去雾图像输入最优双支残差特征融合网络，输出去雾图像。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。