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！

龙图腾网获悉长春理工大学申请的专利一种基于循环生成对抗网络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：CN116664415B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202310404372.X，技术领域涉及：G06T5/60；该发明授权一种基于循环生成对抗网络的图像去雾方法是由胡奇;张英洁设计研发完成，并于2023-04-17向国家知识产权局提交的专利申请。

本一种基于循环生成对抗网络的图像去雾方法在说明书摘要公布了：本发明属于深度学习图像处理技术领域，尤其为一种基于循环生成对抗网络的图像去雾方法，包括以下步骤：S1、构建循环生成对抗网络模型；S2、输入有雾与无雾图片，生成器学习有雾与无雾图片的图片特征，通过生成器网络生成有雾与无雾图片；S3、判别器对生成器生成的有雾与无雾图片与原始输入的有雾与无雾图片进行判别；S4、将去雾后的图片进行客观判别。本发明采用改进的循环生成对抗网络，可以对有雾图像进行去雾处理，解决了现有的图像去雾技术的去雾不完全、颜色失真的问题，模型中加入了循环感知一致性损失函数，在特征提取时有助于恢复图像的细节和纹理信息，引入空间和通道残差注意力模块，提升去雾后图像的分辨率。

本发明授权一种基于循环生成对抗网络的图像去雾方法在权利要求书中公布了：1.一种基于循环生成对抗网络的图像去雾方法，其特征在于：包括以下步骤： S1、获取有雾与无雾图片的数据集，构建循环生成对抗网络模型； 有雾与无雾图片的数据集包括训练集和测试集，所述训练集由室内训练集和室外训练集组成，测试集使用合成客观测试集和混合主观测试集，训练集与测试集比例为8：2； 所述循环生成对抗网络模型为一个对抗网络，在网络中增加循环感知一致性损失，增强单图像去雾的CycleGAN架构； S2、输入有雾与无雾图片，生成器学习有雾与无雾图片的图片特征，通过生成器网络生成有雾与无雾图片； 所述生成器包括生成器G和生成器F，在CycleGAN的生成器G和生成器F的网络中增加注意力机制以增强特征的提取；生成器G与生成器F均使用编码器-转换器-解码器的结构，在转换器中加入空间和通道注意力机制，设计空间和通道残差注意力模块，将提取的特征有针对性地进行处理再输入到网络的解码器中； S3、判别器对生成器生成的有雾与无雾图片与原始输入的有雾与无雾图片进行判别，输出判别结果； S4、将去雾后的图片进行客观判别； 所述生成器G和生成器F构造相同，均由编码器、转换器和解码器组成； 所述编码器由多个CBL序列和Reflectionpad2d组成，所述Reflectionpad2d函数的作用是进行图像增强，使用Reflectionpad2d函数进行参数填充，将图像沿着边缘上下左右进行对称增大图像的分辨率；输入的图片首先进入编码器中，将图片大小为256*256的彩色图片输入到网络中，输出维度为3，先进入图像增强层进行图像增强，再进行卷积核大小为3*3、BN正则化和激活函数的操作，进行特征提取，然后再进行卷积核大小为3*3、5*5、7*7的卷积操作，增加感受野，提取特征图； 所述转换器是在结构链式区域使用空间和通道残差注意力模块，其中包括：“SABlock”表示空间注意力模块，“CABlock”表示通道注意力模块，“Concat”表示特征图联合操作；当用C表示输入特征图的通道数目，残差块中的1，3，4，6个卷积操作的输入和输出通道数目均为C，第2，5个卷积操作的输入和输出通道数目分别为2*C和C； 所述解码器使用了多个CTBR序列组成，利用反卷积对图片进行上采样操作，加入图像增强操作，对特征图进行图像增强。

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长春理工大学，其通讯地址为：130012 吉林省长春市卫星路7089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”。