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！

龙图腾网获悉山东巍然智能科技有限公司申请的专利一种用于低空场景的图像去雾系统及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：CN120598820B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202511086079.9，技术领域涉及：G06T5/77；该发明授权一种用于低空场景的图像去雾系统及方法是由魏玲;王胜科;赵天旭;胥志伟;杨晓刚;李庆华;何维刚;孙杰洪;徐仁文设计研发完成，并于2025-08-05向国家知识产权局提交的专利申请。

本一种用于低空场景的图像去雾系统及方法在说明书摘要公布了：本发明提供一种用于低空场景的图像去雾系统及方法，属于基于计算机视觉的图像恢复技术领域；基于U型网络进行构建，利用U形网络对频域信息的不同敏感性，将不同的频率分量引导到不同的层，分别在浅层、中间层和深层设计频域融合模块、空间与通道交互模块和物理感知模块；频域融合模块为后续模块提供了更丰富的特征表示，中间层的空间与通道交互模块图像同时捕获空间维度和通道维度的重要特征，提升去雾图像的局部清晰度和全局一致性，深层的物理感知模块结合物理模型的先验信息为去雾任务提供更强的约束和解释性；本发明解决了低空场景下非均匀雾分布和存在大面积雾霾区域的去雾结果色彩失真的问题，提升网络对图像退化特性的建模能力。

本发明授权一种用于低空场景的图像去雾系统及方法在权利要求书中公布了：1.一种用于低空场景的图像去雾系统，其特征在于：基于U型网络进行构建，利用U形网络对频域信息的不同敏感性，通过将不同的频率分量引导到不同的层，分别在浅层、中间层和深层设计频域融合模块、空间与通道交互模块和物理感知模块； 其中，所述频域融合模块的输入为经过小波变换处理的特征图的三个高频分量，经过频域特征的全局注意力机制处理，输出全局的频域相似图，用于捕捉带雾退化图像中像素之间的相似性，利用图像中较为清晰的浅雾区域协助恢复浓雾区域图像；所述频域融合模块具体为： 网络的编码器部分通过离散小波变换对输入特征进行频域分解得到四个频域分量，选取其中三个高频分量即水平高频子带LH，垂直高频子带HL和对角线高频子带HH作为该模块的输入，频域融合模块包含三条分支，第一条分支将LH、HL和HH在通道维度上做连接操作升维，然后做卷积操作进行降维；第二条分支则是利用水平高频纹理信息LH和垂直高频纹理信息HL做注意力计算，首先对水平高频子带LH，垂直高频子带HL和对角线高频子带HH分别进行重组特征维度和1×1卷积后得到其对应的通道调整特征图、和，然后将调整后的特征图、点积运算后经过归一化得到一个大小为C×C的注意力矩阵，C是输入特征的通道数；第三条分支使用与第二分支得到的注意力矩阵相乘得到加权后的特征结果，再与第一条分支得到的残差做一个元素相加操作，形成频域融合的特征表示如下所示： 所述空间与通道交互模块的输入为经过频域融合后的特征图，首先将输入的特征图分别计算空间注意力和通道注意力在通道维度上连接，然后进行随机打乱和分组卷积操作，用于降低雾霾图像在通道层面的分布不均匀；所述空间与通道交互模块具体为： 包含两条分支分别学习空间信息和通道信息，将两部分在通道维度合并后做通道随机打乱操作；对于空间信息分支，将上一层输出的特征图使用全局平均池化和全局最大池化提取空间维度的全局特征后做连接操作，接着通过3×3卷积操作学习空间注意力权重，突出雾霾分布显著区域；对于通道信息分支，使用全局平均池化，接着通过1×1卷积学习通道间的权重，并通过激活函数，增强对不同语义特征的建模；将空间信息分支和通道信息分支在元素层面相加，最后通过通道shuffle操作实现空间关注与通道关注的特征交互； 空间与通道信息交互模块的输入，即输入特征图，其中特征图的通道数、高和长分别为C、H和W，首先是空间注意力的生成过程：对输入特征图在空间维度上进行全局平均池化和全局最大池化操作，将两种特征进行逐元素相乘操作，然后通过卷积生成空间注意力权重；然后是通道注意力的生成过程：首先对输入特征图进行全局平均池化，在空间维度上生成全局特征，利用卷积对进行特征压缩并通过激活函数生成通道注意力权重；最后将空间信息分支和通道信息分支在元素层面相加，最后通过通道shuffle操作实现空间关注与通道关注的特征交互，得到输出； 所述物理感知模块基于大气扩散模型进行设计，其输入包括空间与通道交互模块的输出和小波变换提取的低频分量信息，低频分量信息被用于模型的关键参数估计，在特征空间模拟以大气扩散模型公式来重建去雾恢复图像；所述物理感知模块中大气扩散模型的公式为： 式中代表雾霾图像，代表无雾的干净图像，代表大气中的介质透射率，代表大气光参数，重建去雾恢复结果的过程是利用模型学习这两个关键物理参数，最终得到更为准确的无雾图像 模块的输入作为网络的最深层，输入为，包含两条分支分别逆向推导估计用于估计全局大气光和介质透射率；对于估计大气光的分支，首先通过全局平均池化学习图像的整体亮度，再通过升维卷积和降维卷积的操作，得到有用特征更聚合的特征图，再利用得到最后的估计值；对于估计介质透射率的分支，首先通过卷积得到特征表示，再经过激活函数拟合从特征表示到透射率的映射关系，再通过卷积和利用得到估计值；最后利用估计的物理参数，根据大气散射模型公式，计算近似清晰图像。

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山东巍然智能科技有限公司，其通讯地址为：266600 山东省青岛市莱西市重庆路嘉禾1号801；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。