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！

龙图腾网获悉福建亿榕信息技术有限公司;国网信息通信产业集团有限公司申请的专利一种不良天气条件下视频监控图像质量增强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：CN119722495B 。

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：202411890031.9，技术领域涉及：G06T5/60；该发明授权一种不良天气条件下视频监控图像质量增强方法是由刘颖;吕君玉;叶文良;游康辉;林福飞;彭小梅;陈国泓;蔡欣溢;黄盛涌设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本一种不良天气条件下视频监控图像质量增强方法在说明书摘要公布了：本发明涉及一种不良天气条件下视频监控图像质量增强方法，包括如下步骤：构建基于生成对抗网络的散景渲染模型，然后训练并验证模型；散景渲染模型包括判别器、残差密集网络、特征融合模块以及生成器；输入散景渲染模型的初始图像先由判别器判断是真实样本还是生成图像，然后，初始图像输入残差密集网络，分步提取输入图像的特征信息，强化前景目标特征，得到多个特征图，将多个特征图融合后生成特征融合图，生成器将随机噪声加入特征融合图，输出生成图像；构建基于Unet模型的图像去噪还原模型，后训练并验证模型；将生成图像输入图像去噪还原模型，输出清晰的还原图像。本发明优点：能够增强前景目标信息，确保图像恢复的真实性和准确性。

本发明授权一种不良天气条件下视频监控图像质量增强方法在权利要求书中公布了：1.一种不良天气条件下视频监控图像质量增强方法，其特征在于：包括如下步骤： 构建基于生成对抗网络的散景渲染模型，然后训练并验证模型；所述散景渲染模型包括判别器、残差密集网络、特征融合模块以及生成器；输入散景渲染模型的初始图像先由判别器判断该初始图像是真实样本还是所述生成器输出的生成图像，然后，初始图像输入所述残差密集网络，分步提取输入图像的特征信息，强化前景目标特征，得到多个特征图，特征融合模块将多个特征图融合后生成特征融合图，再输入生成器，所述生成器将随机噪声加入特征融合图，输出生成图像； 构建基于Unet模型的图像去噪还原模型，然后训练并验证模型；将所述生成图像输入所述图像去噪还原模型，输出清晰的还原图像； 所述图像去噪还原模型是在Unet模型中加入噪声去除网络模块DNB，具体地，所述Unet模型是一个全卷积网络FCN，由编码器和解码器组成，中间通过跳跃连接相连；输入的生成图像使用卷积层和池化层组成的编码器将图像压缩，形成数据隐式表示，接着又使用由卷积层和转置卷积层组成的解码器将图像放大，最终输出所述还原图像；在所述编码器和解码器中，引入多个噪声去除网络模块DNB，具体地，所述噪声去除网络模块DNB包含层归一化、多种尺寸的卷积操作和注意力机制； 层归一化：它对神经网络每一层的所有神经元激活值进行归一化，将每一层的激活值转换为均值为0、标准差为1的分布，然后对结果进行缩放和偏移；给定神经网络中某一层的输入向量，其中H是该层的神经元个数，计算公式如下： ； ； 式中，μ是该层所有神经元激活值的均值，是该层所有神经元激活值的标准差； ； 式中，ϵ是一个小的正数，用于防止除零错误；经过归一化后，每个归一化后的激活值会进行缩放和偏移操作，以保持模型的表达能力；这个过程通过引入可学习的参数γ和β来完成： ； 这样，能够确保每一层的输入在训练过程中保持稳定，有助于提高模型的训练效率和稳定性； 多种尺寸的卷积分为三部分，第一部分为第一层由卷积层3×3×64和Ｒelu激活函数组成；第二部分为第2～16层共15个Unitblock单元块组成，Unitblock单元块由卷积层3×3×64、BN层及激活函数Ｒelu组成；第三部分由卷积层3×3组成；整个网络从输入端到输出端进行了全局跳跃，形成残差学习策略，整个网络描述表示为： ； 式中：为二维的噪声图像；为无噪声的原始干净图像；表示附加的噪声；图像去噪的目的是得到一个，是原始图像的一个估计值；和的差值越小，说明图像去噪效果越好。

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福建亿榕信息技术有限公司;国网信息通信产业集团有限公司，其通讯地址为：350000 福建省福州市鼓楼区软件大道89号G区20号楼；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。