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！

龙图腾网获悉桂林电子科技大学申请的专利一种基于TF-GAN的低照度下的雨雾图像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：CN117197016B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202311183190.0，技术领域涉及：G06T5/50；该发明授权一种基于TF-GAN的低照度下的雨雾图像增强方法是由江泽涛;杨建琛;熊邦书设计研发完成，并于2023-09-14向国家知识产权局提交的专利申请。

本一种基于TF-GAN的低照度下的雨雾图像增强方法在说明书摘要公布了：本发明公开了一种基于TF‑GAN的低照度下的雨雾图像增强方法，所述方法包括如下步骤：1重构加工现有的数据集；2基于边缘提取器EdgeExtractor的结构估计的生成；3图像结构估计网络ISEBlock的训练；4基于Transformer的生成器的训练；5基于Transformer的鉴别器的训练；6对基于transformer的生成对抗网络低照度雨雾图像增强网络的测试。这种方法能缩小低照度雨雾图像和正常照度图像之间结构的差距，从而更好的对低照度雨雾图像进行增强，综合解决了现有图像增强技术对气候等复杂环境适应能力弱、稳定性差等问题，同时该网络模型具有较好泛化性能。

本发明授权一种基于TF-GAN的低照度下的雨雾图像增强方法在权利要求书中公布了：1.一种基于TF-GAN的低照度下的雨雾图像增强方法，其特征在于，包括如下步骤： 1重构加工现有的LOL数据集：重构加工现有的LOL数据集得到低照度雨雾环境下的数据集LOL_RF，过程为： 1-1基于公开的LOL数据集，采用随机轨迹生成的方式模拟雨雾环境下的成像特点，得到低照度雨雾环境下的数据集LOL_RF； 1-2LOL_RF数据集中包括500张低照度雨雾图像及对应的正常照度图像，其中485为张训练集，15张为测试集； 2基于边缘提取器EdgeExtractor的结构估计的生成：低照度雨雾图像和正常照度图像采用边缘提取器EdgeExtractor得到低照度雨雾图像的结构图和正常照度图像的结构图，过程为： 2-1将低照度雨雾图像和对应的正常照度图像输入边缘提取器； 2-2采用由ResBlock模块组成的编码器解码器，得到低频特征； 2-3将原始图像减去低频特征，得到高频特征信息，即低照度雨雾图像的结构图和正常照度图像的结构图； 3图像结构估计网络ISEBlock的训练：将低照度雨雾图像的结构图输入图像结构估计网络ISEBlock得到正常照度图像的估计结构，具体为： 3-1把低照度雨雾图像的结构图经过InputProject映射为tokens； 3-2把tokens经过由多卷积通道注意力MCCA和交叉门前馈神经网络CGFN构成的编码器模块EncoderBlock进行特征提取，将所得到的特征编码到越来越深的嵌入空间； 3-3多卷积通道注意力MCCA分别经过1×1卷积实现跨通道信息融合，3×3卷积捕获局部上下文信息，得到Q,K,V矩阵，然后，在通道维度上计算得到通道注意力，交叉前馈神经网络CGFN使用1×1卷积扩展特征的通道维度；然后，在每个支路上使用3×3深度可分离卷积有效的提取图像多尺度局部信息；最后，在两个并行的分支上分别使用GELU激活函数和逐元素相乘操作；提取到的特征经过由多卷积通道注意力MCCA和交叉门前馈神经网络CGFN构成的解码器模块进行解码，采用跳跃连接融合编码器中对称块的特征，将所得到的特征解码到越来越浅的嵌入空间； 3-4将步骤3-3得到的tokens经过OutputProject映射成正常照度结构估计； 4基于Transformer的生成器的训练：低照度雨雾图像输入生成器Generator，得到高质量的增强图像，包括： 4-1采用InputProject将低照度雨雾图像转化成对应的tokens； 4-2把步骤4-1得到的对应图像的tokens经过由多卷积通道注意力MCCA和交叉门前馈神经网络CGFN构成的编码器模块进行特征提取，将所得到的特征编码到越来越深的嵌入空间； 4-3把特征向量经过由多卷积通道注意力MCCA和交叉门前馈神经网络CGFN构成的解码器模块进行解码，在每个解码器模块之前融合对应编码器中输出的特征，并利用ISEBlock中得到的结构特征信息指导生成器G的生成过程； 4-4将步骤4-3中得到的tokens经过OutputProject转化成增强后的图像，也就是目标图像； 5Transforemr的鉴别器的训练：将得到的增强后的图像和正常照度结构估计输入到鉴别器DDiscriminator中，区分图像的realfake,包括： 5-1将得到的增强后的图像和正常照度结构估计一起经过InputProject映射为tokens，5-2把步骤5-1中得到的对应图像的tokens经过一系列的编码器模块进行特征提取； 5-3把步骤5-2提取到的特征向量经过一系列的解码器模块进行解码操作，使用跳跃连接融合编码器中对称块的特征，并利用ISEBlock中得到的结构特征指导鉴别器D更好的区分生成图像的真假； 5-4将类别[cls]token附加在步骤5-3中得到的tokens的开头，并将它们送入到检测头中，输出图像realfake的预测； 6把LOL_RF测试集中低照度雨雾图像送入增强网络中进行增强处理，包括： 6-1把LOL_RF数据集中低照度雨雾图像送入增强网络中进行增强； 6-2将增强到的结果可视化。

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桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市金鸡路1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”。

以上内容由龙图腾AI智能生成。