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！

龙图腾网获悉温州大学申请的专利一种基于半监督的图像去雾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：CN114155165B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202111436173.4，技术领域涉及：G06T5/77；该发明授权一种基于半监督的图像去雾方法是由赵丽;张笑钦设计研发完成，并于2021-11-29向国家知识产权局提交的专利申请。

本一种基于半监督的图像去雾方法在说明书摘要公布了：本发明提供了一种基于半监督的图像去雾方法，该方法包括：步骤Step1：获取图像数据集，并对所述训练集进行预处理，得到合成的有雾图像和真实雾图；步骤Step2：构建基于深度学习的图像复原模型，将预处理后提取的有雾图像输入所述图像复原模型，实现图像特征的提取分析，得到去雾后的图像信息；步骤Step3：利用所述图像复原模型构建半监督图像复原网络，并对所述半监督图像复原网络进行训练，得到训练好的图像复原模型；步骤Step4：获取待复原雾图组成的原始图像集，并将所述原始图像集输入训练好的半监督图像复原网络得到最终的复原图像，本发明可实现图像自动复原，图像去雾效率更高、且复原图像质量更加可靠。

本发明授权一种基于半监督的图像去雾方法在权利要求书中公布了：1.一种基于半监督的图像去雾方法，其特征在于，包括以下步骤： 步骤Step1：获取图像数据集，所述图像数据集中包含训练集和测试集，并对所述训练集进行预处理，得到合成的有雾图像和真实雾图； 步骤Step2：构建基于深度学习的图像复原模型，将预处理后提取的有雾图像输入所述图像复原模型，所述图像复原模型对有雾图像中图像内容和图像细节进行特征分离和提取，及对两种特征进行融合，实现图像特征的提取分析，得到去雾后的图像信息； 步骤Step3：利用所述图像复原模型构建半监督图像复原网络，并对所述半监督图像复原网络进行训练，得到训练好的图像复原模型； 步骤Step4：获取待复原雾图组成的原始图像集，并将所述原始图像集输入训练好的半监督图像复原网络得到最终的复原图像； 所述图像复原模型包括多尺度提取模块和注意力机制融合模块；所述多尺度提取模块用于提取精细尺度下的特征信息和粗尺度下的特征信息；所述注意力机制融合模块用于进行特征融合；所述多尺度提取模块包括子模块a和子模块b，所述子模块a和所述子模块b均有四个分支，并且包含有一个平均池化和一个串接层，所述串接层将对应的四个分支输出的特征图串接在一起，在每一分支的第一层多个1×1的卷积被用于改变输入图片的维度，按照从下至上和从左至右的网络结构，所述子模块a最左侧有两个3×3的卷积层，而所述子模块b中对于粗尺度特征的提取在最左侧的支路上设置了两个7×1和1×7的卷积对，在左二的支路上设置了一个1×7和7×1的卷积对，卷积对的使用减少了模型的参数量，所述平均池化的大小为3×3，所有的卷积层都紧跟着块正则化和激活函数ReLU； 所述注意力机制融合模块包括三个特征融合模块，每个特征融合模块包括融合模块和注意力模块，所有的特征经过融合模块之前首先经过Conv+Sigmoid结构组成的注意力模块提取注意力特征图，每个融合模块将高层特征f1和低层特征f2通过乘法操作进行融合，使融合后的特征同时捕获高层和低层特征的共同性质，每次将融合后的特征转发到卷积层、批处理归一化层和ReLU层，得到最终的输出特征，,其中，、和分别代表由卷积层、批处理归一化层和ReLU层,然后再由下一个融合模块进行处理。

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温州大学，其通讯地址为：325000 浙江省温州市瓯海区东方南路38号温州市国家大学科技园孵化器；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”。