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！

龙图腾网获悉中国矿业大学申请的专利一种煤矿综采工作面尘雾环境下图像去雾增强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：CN119671904B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411737422.7，技术领域涉及：G06T5/77；该发明授权一种煤矿综采工作面尘雾环境下图像去雾增强方法及系统是由寇旗旗;陈加鹏;程德强;姚强岭;夏同强;司垒设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种煤矿综采工作面尘雾环境下图像去雾增强方法及系统在说明书摘要公布了：一种煤矿综采工作面尘雾环境下图像去雾增强方法及系统，方法包括获取待处理的有雾图像，并通过编码器对有雾图像进行编码操作，从有雾图像中得到编码特征；将得到的编码特征输入到由DM模块集成的瓶颈层中，实现编码特征在空间域和频率域特征耦合，得到融合特征；将得到的融合特征经解码器进行解码处理，输出得到目标去雾图像。系统包括摄像头和基于双域耦合图像去雾网络模型模块。本发明通过可变形卷积和幅度相位引导策略增强不均匀雾霾特征的表示和全局特征感知，提高了模型对于图像特征提取的清晰度，还原了图像的细节和结构，提高了模型的去雾效果和泛化性泛化能力。

本发明授权一种煤矿综采工作面尘雾环境下图像去雾增强方法及系统在权利要求书中公布了：1.一种煤矿综采工作面尘雾环境下图像去雾增强方法，其特征在于，包括如下步骤： S1、获取待处理的有雾图像，并通过编码器对有雾图像进行编码操作，从有雾图像中得到编码特征； S2、将得到的编码特征输入到由DM模块集成的瓶颈层中，实现编码特征在空间域和频率域特征耦合，得到融合特征； S3、将得到的融合特征经解码器进行解码处理，输出得到目标去雾图像； 所述S2中DM模块包括卷积层、DCM模块、APGM模块和SRU模块；融合特征的融合过程为： S2.1、通过可变形卷积算子DCM有效聚合空间上下文信息并重建重度雾霾区域的纹理细节，对于输入特征分别应用DC-h和DC-w操作从高度和宽度方向提取上下文信息，公式如下： 式中，ωi表示可变形卷积的参数，oc为宽度和高度维度在通道ci上的可学习偏移量； S2.2、计算每个通道内所有像素的平均值，应用1×1点卷积将通道数加倍，进行softmax运算得到权重ω： ω＝softmaxconvXavg； 式中，Xavg表示XDC-h与XDC-w对每个通道所有像素的平均值，conv表示1×1卷积，ω表示XDC-h与XDC-w权重数组； S2.3、将权重ω分别与XDC-h和XDC-w相乘，进行卷积以产生最终输出： XDCM＝ω[0]*XDC-h+ω[1]*XDC-w； 式中，ω[0]和ω[1]分别表示XDC-h和XDC-h的权重，XDCM为DCM模块的输出结果； S2.4、通过幅度相位引导模块APGM，利用幅度和相位的先验知识指导全局特征的提取： S2.4.1、对于输入特征图应用快速傅里叶变换FFT将输入特征从空域转换到频域，分别获得幅度和相位信息如下： phase＝atanB,A； 式中，为快速傅里叶变换器，A和B分别代表实部和虚部，atan为反正切函数； S2.4.2、对幅度执行低频滤波，对相位执行高频滤波，通过将由两个卷积层组成的残差块ResBlock与中间的LeakyReLU激活函数一起应用于振幅和相位分量，随后通过逆傅里叶变化将原始和调制后的振幅和相位信息组合，产生包含相位和幅度调制的特征图： amb′＝conv1*1LeakyReLuconv1*1amb； phase′＝conv1*1LeakyReLuconv1*1phase； 式中，e表示的是复指数，是快速傅里叶变换的逆运算； S2.4.3、将调制后的特征图沿通道维度进行连接，然后进行1×1点卷积，将通道数减少一半，得到最终输出： APGM＝conv1*1concatXamb,Xangel； 式中，XAPGM表示APGM模块的输出结果； S2.5、将空间域和频域特征融合： S2.5.1、通过加法运算将得到的输出特征进行组合，产生结合空间域和频域的重构信息，表示为： F＝conv1×1X+XDCMX+XAPGMX； 式中，conv1×1表示卷积核1×1的卷积操作输出特征，XDCM和XAPGM表示DCM模块与APGM模块输出特征； S2.5.2、通过空间重构模块SRU进行空间域和频域耦合，对于输入特征首先通过BatchNorm进行归一化操作，然后使用Sigmoid函数将权重图映射到范围0,1，接着进行软阈值操作，将高于某个阈值的权重设置为1，得到信息权重；低于阈值的权重设置为0，形成非信息权重，将这些权重乘以输入特征F，生成两个加权特征，即信息丰富特征和信息量较少特征，表示如下： ＝σBatchNormF； 式中，σ为sigmoid函数，Fw表示输入特征F权重，F1和F2分别信息丰富特征和信息量较少特征； S2.5.3、进行重构操作，将重构的特征和连接起来以生成最终的特征图表示为：

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中国矿业大学，其通讯地址为：221000 江苏省徐州市大学路1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。