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！

龙图腾网获悉郑州轻工业大学申请的专利一种分类引导的无人机成像浓雾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：CN117011181B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202311004759.2，技术领域涉及：G06T5/73；该发明授权一种分类引导的无人机成像浓雾去除方法是由刘岩;齐文婷;黄冠;朱付保;肖艳秋设计研发完成，并于2023-08-10向国家知识产权局提交的专利申请。

本一种分类引导的无人机成像浓雾去除方法在说明书摘要公布了：本发明提出了一种分类引导的无人机成像浓雾去除方法，属于图像处理技术领域，用于解决现有去雾方法应用到真实场景时会产生过拟合，去雾效果不佳的技术问题。本发明的步骤为：设计雾扩散方法生成无人机浓雾数据集；设计图像类别特征提取和纹理信息跳跃迁徙结构实现无人机浓雾图像的特征提取，得到去雾网络；将生成的无人机浓雾数据集中的无人机浓雾图像作为输入，设计多任务损失函数训练去雾网络，得到训练好的去雾模型；利用训练好的去雾模型对有雾图像进行处理得到去雾图像。本发明能够在小规模图像输入的情况下实现对无人机浓雾图像的去除，薄雾和浓雾去除效果均较好，纹理信息和色调恢复自然，不易产生过曝和失真扭曲等现象。

本发明授权一种分类引导的无人机成像浓雾去除方法在权利要求书中公布了：1.一种分类引导的无人机成像浓雾去除方法，其特征在于，其步骤如下： S1、设计雾扩散方法生成无人机浓雾数据集； S2、设计用于无人机浓雾图像的去雾网络：设计图像类别特征提取和纹理信息跳跃迁徙结构实现无人机浓雾图像的特征提取； 所述去雾网络包括图像类别特征提取结构和纹理信息跳跃迁徙结构，图像类别特征提取结构利用残差线性模块作为基础，通过归一化操作和线性操作得到包含相关类别特征信息的特征图A1； 纹理信息跳跃迁徙结构的特征提取方法包括：对特征图A1进行反射填充，获取更加全面的图像特征得到特征图B1；对特征图B1进行步长为1、卷积核为3×3的卷积操作得到特征图B2；对特征图B2进行下采样操作获取到图像分辨率大小变为原来一半、通道数变为原来2倍的特征图B3；对特征图B3进行多次残差迁移操作得到特征图B4；对特征图B4进行上采样操作获取到图像分辨率和通道数恢复原始输入图像的特征图B5；对特征图B5进行卷积核为3×3的卷积操作得到特征图B6；对特征图B6和特征图B2进行跳跃连接操作，然后经过反射填充和卷积核为3×3的卷积操作得到特征图C1；对特征图C1进行卷积核为3×3的卷积操作和Tanh激活函数得到特征图C2； S3、训练去雾网络：将步骤S1中生成的无人机浓雾数据集中的无人机浓雾图像作为去雾网络的输入，设计多任务损失函数训练去雾网络，得到最终训练好的去雾模型； 所述多任务损失函数为： 其中，K为类别总数，N为样本总数，gi,j为第i个样本的真实类别为j，fi,j为第i个样本被错误分类为j类别的概率，A代表有雾图像域，B代表无雾图像域，x代表雾图，y代表无雾图，Pdatax表示来自域A的图像数据分布，Pdatay表示来自域B的图像数据分布，表示从图像数据分布Pdatax中采样得到的样本x，表示从图像数据分布Pdatay中采样得到的样本y，||||1表示L1范数用于计算原始图像和转换后图像之间的差异，生成器GAB表示转换雾图为无雾图，GABx表示雾图x经过生成器GAB生成的无雾图像，DB表示判断所输入的图像是来自无雾图像域B的无雾图y还是生成的无雾图像GABx的判别器，生成器GBA表示转换无雾图为有雾图，GBAy表示无雾图y经过生成器GBA生成的有雾图像，DA表示判断输入的图像是来自域有雾图像域A的雾图x还是生成的有雾图像GBAy的判别器； S4、利用步骤S3中的去雾模型对有雾图像进行去雾得到去雾图像。

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郑州轻工业大学，其通讯地址为：450000 河南省郑州市高新技术产业开发区科学大道136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。