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！

龙图腾网获悉暨南大学申请的专利基于损失分类与双分支网络的图像超分辨率重建和去雾方法及系统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：CN115587934B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202211272767.0，技术领域涉及：G06T3/4053；该发明授权基于损失分类与双分支网络的图像超分辨率重建和去雾方法及系统是由李展;邝文卿;曾弘毅;袁伟俊;陈彦全设计研发完成，并于2022-10-18向国家知识产权局提交的专利申请。

本基于损失分类与双分支网络的图像超分辨率重建和去雾方法及系统在说明书摘要公布了：本发明涉及基于损失分类与双分支网络的图像超分辨率重建和去雾方法及系统，其方法包括步骤：S1、输入待超分辨率重建或待去雾图像与其对应的真实参考图像，并进行预处理，对待超分辨率重建或待去雾图像与真实参考图像进行相同尺寸和相同位置的裁切；S2、构建双分支网络模型进行训练，并采用编码器‑解码器网络，通过损失分类器和约束函数进行训练；S3、将待超分辨率重建或待去雾图像输入到训练好的双分支网络模型中，通过特征融合的方式获取最终的结果图。本发明采用双分支网络结构，提出了损失分类器的方法，实现双分支中的第一分支侧重平滑区域，而第二分支侧重边缘区域，解决了端对端网络在边缘区域效果不佳的缺点，提高最终结果图的视觉效果。

本发明授权基于损失分类与双分支网络的图像超分辨率重建和去雾方法及系统在权利要求书中公布了：1.基于损失分类与双分支网络的图像超分辨率重建和去雾方法，其特征在于，包括以下步骤： S1、准备好待超分辨率重建或待去雾图像与其对应的真实参考图像，对待超分辨率重建或待去雾图像与真实参考图像进行相同尺寸和相同位置的裁切，进行数据增强操作； S2、构建双分支网络模型并进行训练，该双分支网络模型采用的是编码器-解码器网络，通过损失分类器和约束函数进行训练； S3、将待超分辨率重建或待去雾图像输入到训练好的双分支网络模型中，通过特征融合的方式获取最终的结果图； 双分支网络模型的构建过程具体如下： S211、将输入的待超分辨率重建或待去雾图像经过一个特征提取层与残差层得到低层次特征，其后该低层次特征再经过三次下采样编码，其中前两次下采样编码为一个下采样层后接一个残差层，第三次下采样编码为一个下采样层后接一个残差注意力层； S212、下采样编码后是三次上采样解码，其每次上采样解码为一个上采样层后接一个残差注意力层；在上采样编码过程中，每次上采样解码的结果与编码器中对应的同尺寸的下采样编码输出结果在通道维度相拼接，作为下一个上采样解码的输入； S213、将第三次上采样解码的结果与最初的低层次特征再通道维度拼接，并将之输入到特征恢复层，特征恢复层的输出维度为3的图像，将该图像作为该分支的最终输出； 步骤S2中损失分类器通过L1损失划分出输出图像的平滑区域和边缘区域，具体划分过程如下： S221、利用第一分支获得的超分辨率重建或去雾图像a，与训练过程中的真实参考图GT作L1损失，得到LossL1； S222、使用图像a与真实参考图GT逐像素做差获的差的绝对值，得到Lossx,y,z； S223、获取到Lossx,y,z后，根据其在位置x,y,z的值与LossL1进行大小比较，并在相应位置上置1或0，获得掩膜Maskx,y,z，Lossx,y,z的值比LossL1小则取1，反之取0；具体平滑掩膜的公式如下所示： 则边缘掩膜表示为1-Maskx,y,z； S224、将平滑掩膜作用于图像a，将边缘掩膜作用于初步超分辨率重建或去雾图像b，二者相加得到超分辨率重建或去雾图像c； S225、将双分支网络模型中各分支中的特征恢复层的输入与特征恢复层的输出即初步恢复图像在通道维度上拼接，且一个分支拼接的结果再与另一个分支拼接的结果再次在通道维度上拼接，最后经过一个特征融合层获得最佳超分辨率重建或去雾图像d；其中，特征融合层指的是先经过一个残差注意力层后再经过一个卷积层，最后接一个Tanh激活层； S226、获得图像c与图像d后，通过将二者与真实参考图像GT做L1损失与感知损失，并通过神经网络的反向传播机制与梯度下降机制训练双分支网络模型，使得其在获得最终结果图像的过程中，获取平滑区域和边缘区域。

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暨南大学，其通讯地址为：510632 广东省广州市天河区黄埔大道西601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”。