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！

龙图腾网获悉四川大学申请的专利一种基于大气散射模型的单张图像去雾算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：CN115587944B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202211234161.8，技术领域涉及：G06T5/73；该发明授权一种基于大气散射模型的单张图像去雾算法是由宋金洁;马正恩;杨继康;王明辉设计研发完成，并于2022-10-10向国家知识产权局提交的专利申请。

本一种基于大气散射模型的单张图像去雾算法在说明书摘要公布了：本发明公开了一种基于大气散射模型的单张图像去雾算法，步骤如下：S1、获取RESIDE公共数据集，其中的ITS数据集和OTS数据集均随机划分数据分别用于训练和验证；S2、将划分的数据集分别用于训练模型的第一阶段，分别获得室内图像去雾和室外图像去雾的预训练模型；S3、分别加载步骤S2获得预训练模型，通过对应的室内和室外数据集联合训练整个模型，获得去雾性能好的室内图像去雾模型和室外图像去雾模型；S4、利用步骤S3获得的室内或室外图像去雾模型，分别测试SOTS数据集的室内或室外图像，获取对应的清晰图像输出。本发明的算法使用OSA模块代替常规的密集残差块搭建透射图估计网络，减少模型的内存读取，减少时间和内存资源的消耗。

本发明授权一种基于大气散射模型的单张图像去雾算法在权利要求书中公布了：1.一种基于大气散射模型的单张图像去雾算法，其特征在于，步骤如下： S1、获取RESIDE公共数据集，针对其中的ITS数据集随机划分部分数据用于训练，另一部分数据用于验证，针对OTS数据集随机划分部分数据用于训练，另一部分数据用于验证； S2、将步骤S1划分的数据集，分别用于训练模型的第一阶段，获得两个预训练模型，一个用于室内图像去雾，一个用于室外图像去雾； 具体包括以下子步骤： S21、搭建模型中的透射图估计网络；该网络的输入层至输出层之间依次为基础卷积块、第一OSA下采样模块、第二OSA下采样模块、第三OSA下采样模块、第四OSA下采样模块、残差注意模块、第四OSA上采样模块、第三OSA上采样模块、第二OSA上采样模块、第一OSA上采样模块、基础卷积块；对应编号的OSA上下采样模块间连接残差注意模块，将OSA下采样模块的输出传递给OSA上采样模块作为输入； S22、搭建模型中的大气光估计网络； S23、随机将成对的训练数据裁剪为长为256像素，宽为256像素的图像输入模型的第一阶段，通过透射图估计网络获得估计的透射图； S24、随机将成对的训练数据裁剪为长为256像素，宽为256像素的图像输入模型的第一阶段，通过大气光估计网络获得估计的全局大气光值； S25、基于大气散射模型的逆运算，计算获得模型第一阶段的去雾图像输出； 所述OSA下采样模块和OSA上采样模块均由基础卷积块构建得到；所述OSA下采样模块和OSA上采样模块的输入到输出依次经过5个基础卷积块，并将5个基础卷积块的输出堆叠作为第六个基础卷积块的输入，由第六个基础卷积块处理输入得到输出； S3、分别加载步骤S2获得预训练模型，通过对应的室内数据集和室外数据集联合训练整个模型，获得去雾性能好的室内图像去雾模型和室外图像去雾模型； 具体包括以下子步骤： S31、按照步骤S21和S22搭建模型的透射图估计网络和大气光估计网络；然后搭建特征提取和融合模块；形成模型的总网络结构； S32、模型的第一阶段加载步骤S2的预训练模型的参数； S33、随机将成对的训练数据裁剪为长为256像素，宽为256像素的图像输入模型的第一阶段获取比较清晰的去雾图像； S34、输入的雾图联合模型第一阶段输出的清晰图像提取特征并迭代融合获得高质量特征图，传入模型的第二阶段； S35、利用步骤S34获得的高质量特征图，输入透射图估计网络获得预测的透射图； S36、利用步骤S34获得的高质量特征图，输入大气光估计网络获得预测的全局大气光值； S37、基于大气散射模型的逆运算，计算获得模型最终的去雾图像作为输出； S4、利用步骤S3获得的室内图像去雾模型或室外图像去雾模型，分别测试SOTS数据集的室内或室外图像，获取对应的清晰图像输出。

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四川大学，其通讯地址为：610000 四川省成都市一环路南一段24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”。