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！

龙图腾网恭喜福州大学申请的专利基于反向去雨过程引导的图像雨滴去除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：CN116402720B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202310396874.2，技术领域涉及：G06T5/73；该发明授权基于反向去雨过程引导的图像雨滴去除方法是由陈羽中;林闽沪;牛玉贞设计研发完成，并于2023-04-14向国家知识产权局提交的专利申请。

本基于反向去雨过程引导的图像雨滴去除方法在说明书摘要公布了：本发明涉及一种基于反向去雨过程引导的图像雨滴去除方法。包括以下步骤：步骤S1、进行数据预处理，包括数据配对、数据随机裁切、数据增强处理，得到训练数据集；步骤S2、设计多重注意力模块，采用像素注意力、通道注意力和空间注意力提取图像特征；步骤S3、设计基于多重注意力模块的U形编码器解码器网络，用于提取图像不同尺度下的特征；步骤S4、设计图像特征融合模块，该模块融合图像特征和原始图像，得到融合后的恢复图像；步骤S5、设计正向雨滴去除网络和反向雨滴去除网络，利用反向雨滴去除网络引导训练正向雨滴去除网络；步骤S6、将附着雨滴图像输入训练好的正向雨滴去除网络，输出去除雨滴的干净图像。

本发明授权基于反向去雨过程引导的图像雨滴去除方法在权利要求书中公布了：1.一种基于反向去雨过程引导的图像雨滴去除方法，其特征在于，包括如下步骤：步骤S1、进行数据预处理，包括数据配对、数据随机裁切、数据增强处理，得到训练数据集；步骤S2、设计多重注意力模块，采用像素注意力、通道注意力和空间注意力提取图像特征；步骤S3、设计基于多重注意力模块的U形编码器解码器网络，用于提取图像不同尺度下的特征；步骤S4、设计图像特征融合模块，该模块融合图像特征和原始图像，得到融合后的恢复图像；步骤S5、设计正向雨滴去除网络和反向雨滴去除网络，利用反向雨滴去除网络引导训练正向雨滴去除网络；步骤S6、将附着雨滴图像输入训练好的基于反向去雨过程引导的正向雨滴去除网络，输出去除雨滴的干净图像；所述步骤S3具体实现如下：步骤S31、设计浅层特征提取模块，输入为一幅图像I，I经过3×3卷积、PReLU激活函数和3×3卷积得到浅层特征Fshallow，具体公式表示如下：Fshallow＝Conv3×3PReLUConv3×3Irain其中，Conv3×3表示3×3卷积层，PReLU·表示激活函数；步骤S32、设计基于多重注意力模块的U形编码器解码器网络中的编码器，包括三个多重注意力模块；编码器的输入为步骤S31中的浅层特征Fshallow，Fshallow经过多重注意力模块得到编码特征E1，E1经过下采样和多重注意力模块得到编码特征E2，E2经过下采样和多重注意力模块得到编码特征E3，具体公式表示如下：E1＝MAFshallowE2＝MADownSampleE1E3＝MADownSampleE2其中，MA表示多重注意力模块，DownSample表示图像下采样；步骤S33、设计基于多重注意力模块的U形编码器解码器网络中的解码器，包括三个多重注意力模块；解码器的输入为步骤S32中的编码特征E3，E3经过多重注意力模块得到解码特征D3，D3经过上采样再和编码特征E2相加，再通过多重注意力模块得到解码特征D2，D2经过上采样再和编码特征E1相加，再通过多重注意力模块得到解码特征D1，具体公式表示如下：D3＝MAE3D2＝MAUpSampleD3+E2D1＝MAUpSampleD2+E1其中，MA表示多重注意力模块，UpSample表示图像上采样；所述步骤S5具体实现如下：步骤S51、设计正向雨滴去除网络，该网络由一个浅层特征提取模块、一个基于多重注意力模块的U形编码器解码器网络中的编码器和解码器、一个图像特征融合模块组成；网络的输入为附着雨滴图像Irain，Irain经过步骤S31中的浅层特征提取模块得到经过步骤S32和步骤S33的基于多重注意力模块的U形编码器解码器网络中的编码器和解码器得到编码特征和解码特征和Irain经过图像特征融合模块得到去雨图像Iderain，具体公式表示如下： 其中，ShallowBlock表示浅层特征提取模块，Encoder表示编码器，Decoder表示解码器，FusionBlock表示图像特征融合模块；步骤S52、设计反向雨滴去除网络，该网络由一个浅层特征提取模块、一个基于多重注意力模块的U形编码器解码器网络中的编码器和解码器、一个图像特征融合模块组成，该网络的编码器和解码器接收步骤S51中编码特征和解码特征作为该网络的输入特征；与步骤S51中附着雨滴图像Irain对应的干净图像Iclean作为输入图像，Iclean经过步骤S31中的浅层特征提取模块得到加上再经过多重注意力模块得到编码特征经过下采样加上经过多重注意力模块得到编码特征经过下采样加上经过多重注意力模块得到编码特征加上经过多重注意力模块得到解码特征经过上采样和编码特征相加，再通过多重注意力模块得到解码特征经过上采样和编码特征相加，再通过多重注意力模块得到解码特征和Iclean经过图像特征融合模块得到恢复的附着雨滴图像Ire-rain，具体公式表示如下： 其中，ShallowBlock表示浅层特征提取模块，MA表示多重注意力模块，DownSample表示图像下采样，UpSample表示图像上采样，FusionBlock表示图像特征融合模块；步骤S53、设计损失函数，并利用反向去雨过程引导正向去雨网络训练；从步骤S1中的训练数据集中随机抽取一张附着雨滴图像Irain和其对应的干净图像Iclean，Irain经过正向去雨网络得到去雨Iderain，Iclean经过反向去雨网络得到加雨图像Ire-rain，计算如下损失，并利用Adam优化器更新网络参数，直至损失收敛；具体损失函数公式表示如下：L＝Lforward+Lreverse 其中Lforward为正向去雨网络损失，Lreverse为反向去雨网络损失，PSNR为峰值信噪比度量，SSIM为结构相似性度量。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。