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！

龙图腾网获悉四川师范大学申请的专利一种基于双注意力层级特征融合的多补丁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：CN116777782B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202310739747.8，技术领域涉及：G06T5/77；该发明授权一种基于双注意力层级特征融合的多补丁去雾方法是由颜丽莎;宰文姣;樊文萍;何正宇;吕杰设计研发完成，并于2023-06-21向国家知识产权局提交的专利申请。

本一种基于双注意力层级特征融合的多补丁去雾方法在说明书摘要公布了：本发明公开了一种基于双注意力层级特征融合的多补丁去雾方法DAMPHN，包括：获取训练样本数据集：获取现有具备非均匀雾霾特性的清晰雾霾数据集，并依据训练要求进行数据预处理。选用重建损失、感知损失和总变分损失线性组合作为损失函数；训练DAMPHN网络模型。本发明通过精简编码器‑解码器结构，并且在不同层级之间添加由通道和像素注意力组成的双注意力层级特征融合模块，在保证不提升算法复杂度的同时，以解决现有技术中层级特征融合能力不足，导致图去雾效果不佳的问题。本发明拥有最优的去雾结果，并且在颜色、细节恢复方面较强，去雾效果最优。

本发明授权一种基于双注意力层级特征融合的多补丁去雾方法在权利要求书中公布了：1.一种基于双注意力层级特征融合的多补丁去雾方法，其特征在于，包括以下步骤： 步骤1，获取训练样本数据集：获取现有具备非均匀雾霾特性的清晰雾霾数据集，并依据训练要求进行数据预处理； 步骤2，搭建DAMPHN网络模型：DAMPHN是一个多层级网络模型，包括编码器模块、解码器模块和双注意力层级特征融合模块；DAMPHN分为i个层级，且i＝1,2,3，其中每个层级处理的图像分别为4、2、1块；每一层都与之相对应了一个编码器-解码器模块；在跨层级信息融合时，当前层级的编码器结果与下一层级的编码器结果、当前层级的解码器结果与下一层级的输入图像两个部分输入双注意力层级特征融合模块DA； 所述双注意力层级特征融合模块包括：通道注意力模块、像素注意力模块、卷积层，像素注意力模块卷积后通过逐点与通道注意力模块、像素注意力模块的结果相加融合特征； 所述通道注意力模块，用于校对通道域的特征相应，抑制较差或冗余的特征； 假设当前层级的特征图为FC∈RH×W×C，上一层级的特征图为FU∈RH×W×C；首先将特征图拼接后得到聚合特征图F，表示为F＝cat[FC,FU]； 经过自适应全局平均池化，表示为：特征图从C×H×W变换到C×1×1，后续依次通过卷积—ReLU激活函数—卷积—Sigmoid激活函数，获得不同通道的权重值； 表示为： 所述像素注意力模块的网络结构依次包括：卷积、ReLU激活函数、卷积、Sigmoid激活函数，具体表示为： 经通道注意力和像素注意力后，经卷积后逐元素相加，以弥补此双注意力层赋权中丢失的信息，具体表示为：Fout＝ConvFPA,k＝3⊕FPA⊕FCA⊕F； 步骤3，选用重建损失Lr、感知损失Lp和总变分损失Ltv线性组合作为损失函数，L＝λrLr+λpLp+λtvLtv； 步骤4，训练DAMPHN网络模型：首先设置训练参数、初始化网络模型参数；其次将有雾图像I的第i级别的第j块，具体表示为Ii,j；那么，第一层将I纵向和横向划分为4个区块，表示为I1,1、I1,2、I1,3、I1,4；第二层将I纵向划分为2个区块，表示为I2,1、I2,2；第三层以I直接作为输入，表示为I3,1；分块和分级完成后送入DAMPHN训练，通过损失函数优化参数，获取最佳去雾模型； 步骤4具体步骤如下： 首先设置参数和训练策略；采用Adam优化器，初始学习率设为1-e4，训练10个周期以衰减率为0.1调整学习率；损失函数的参数λr、λ1、λ2、λp、λtv分别设置为1、0.6、0.4、6e-3、2e-8； 其次进行网络训练，由于单个层级都由一对编码器-解码器构成，可分别表示为Enci和Deci；将输入的图像I1,j依次经过编码器和DA模块后可获得编码特征Qi,j；具体可表示为： 后续经过DA模块和解码器便可获得各级的局部特征输出Ji,j；DAMPHN特征提取由局部到整体的思想，其J3,1则表示最终的去雾图像；具体可表示为： 最后，通过损失函数逐步优化模型。

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师范大学，其通讯地址为：610101 四川省成都市龙泉驿区成龙大道二段1819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”。