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！

龙图腾网获悉西安石油大学申请的专利基于改进生成对抗网络的图像去雾识别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：CN116704309B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202310551956.X，技术领域涉及：G06V10/82；该发明授权基于改进生成对抗网络的图像去雾识别方法及系统是由燕并男;杨兆昭;孙会珠;张鑫鹏;王聪慧设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本基于改进生成对抗网络的图像去雾识别方法及系统在说明书摘要公布了：本发明公开了基于改进生成对抗网络的图像去雾识别方法及系统，该方法用于对图像进行特征提取输出不同尺度的特征图，产生由一个固定输入到环境光的映射，用来估计伪环境光，同时使用相同的输入产生到经过散射后的环境光的映射，将生成的映射与输入无雾图像进行拼接组合成新的伪有雾图像，判断伪有雾图像是否为真实图像，反推计算大气散射模型的透射率与环境光值，得到实际场景中的参数使用计算的参数得到去雾后的图像。本发明可以使网络提取更多的图像特征进而更好地估计透声律与环境光值，同时颜色损失模块可以避免图像生成结果颜色改变的现象，解决目前图像去雾环节中的图像识别的图像信息失真与颜色改变的问题，以提高图像去雾识别的精度。

本发明授权基于改进生成对抗网络的图像去雾识别方法及系统在权利要求书中公布了：1.一种基于改进生成对抗网络的图像去雾识别方法，其特征在于，包括： 获取包含有雾图像样本和对应无雾图像样本的训练数据集，并构建去雾识别网络模型，以利用所述训练数据集对所述去雾识别网络模型进行模型训练；其中，所述去雾识别网络模型，包括生成网络模型和判别网络模型，所述生成网络模型包括特征提取网络和特征增强网络，所述特征增强网络，包括残差连接网络与多头注意力网络； 将所述训练数据集输入至所述生成网络模型中，以利用所述特征提取网络对所述有雾图像样本和对应无雾图像样本的特征进行第一特征分类操作得到多尺度特征图；将所述多尺度特征图输入至所述特征增强网络中，以利用所述残差连接网络与多头注意力网络对所述多尺度特征图进行融合的第二特征分类操作得到融合特征图，基于所述融合特征图生成大气环境光图像和散射后的大气环境光图像的映射，并根据所述映射的特征参数计算大气散射模型的透射率与环境光值以生成清晰无雾图像样本； 将所述清晰无雾图像样本输入到所述判别网络模型中，利用预设的拼接方法对所述映射与所述清晰无雾图像样本进行第三特征分类操作得到伪有雾图像，利用损失函数对所述伪有雾图像与有雾图像样本进行损失计算，并利用优化目标函数和损失计算结果优化所述去雾识别网络模型的模型参数以得到训练好的去雾识别网络模型； 将待识别的新的有雾图像输入至所述训练好的去雾识别网络模型进行图像去雾识别，以得到新的有雾图像对应的清晰无雾图像的去雾识别结果; 所述特征增强网络采用级联网络；所述将所述多尺度特征图输入至所述特征增强网络中，以利用所述残差连接网络与多头注意力网络对所述多尺度特征图进行融合的第二特征分类操作得到融合特征图，包括： 将所述多尺度特征图输入至所述级联网络，以利用55的逐通道卷积提取多尺度特征图的初始特征信息； 通过77的逐通道空洞卷积提取所述初始特征信息的多尺度上下文信息； 利用11的逐点卷积对所述多尺度上下文信息进行卷积操作输出得到所述融合特征图； 所述拼接方法，包括采用像素对像素的合成相加的方法；所述判别网络模型，包括多个卷积层，其中，每个卷积层使用ReLu作为激活函数；在所述损失函数中添加颜色一致性损失，所述损失函数： 其中，表示一个像素，为角度计算函数，为有雾图像，和是生成的伪有雾图像； 所述根据所述映射的特征参数计算大气散射模型的透射率与环境光值以生成清晰无雾图像样本，包括： 大气光散射的计算公式： 其中，A0为大气环境光，A1为散射后的大气环境光，M0、M1为生成模块产生的由背景图像到大气环境光图像、散射后的大气环境光图像的映射关系矩阵，x指的是图像的每个像素点坐标，Jx是清晰无雾图像，Ix为实际得到有雾图像，A是图像拍摄地的环境光值，tx表示的是环境光透射率； 其中：； 所述生成的映射，包括用于估计伪环境光值的第一映射和用于估计透射率的第二映射，所述第一映射为所述融合特征图到所述大气环境光图像的映射，包括：构建融合特征图为输入图像Nx产生大气环境光的映射，以估算大气环境光图像A0x： 所述第二映射为所述融合特征图到散射后的大气环境光图像的映射，包括：基于融合特征图的相同的输入图像Nx到散射后的大气环境光图像A1x的映射： 根据估算得到A0和tx、Ix，通过公式反解出Jx，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西安石油大学，其通讯地址为：710065 陕西省西安市电子二路东段18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。