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！

龙图腾网获悉清华大学深圳国际研究生院申请的专利一种可见光图像去散射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：CN116563159B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202310544152.7，技术领域涉及：G06T5/70；该发明授权一种可见光图像去散射方法是由金欣;谢佳宇设计研发完成，并于2023-05-15向国家知识产权局提交的专利申请。

本一种可见光图像去散射方法在说明书摘要公布了：本发明公开了一种可见光图像去散射方法，步骤如下：对可见光图像进行估计可见光透射率图和大气光；使用红外图像对估计的可见光透射率图进行边缘优化；提取红外图像边缘信息；建立并求解去散射优化模型，输出去散射可见光图像。本发明通过估计可见光透射率图和大气光，并基于红外图像的边缘，对可见光透射率图边缘优化获得边缘清晰的可见光透射率图；然后提取红外图像边缘信息，充分利用散射环境下红外图像能够清晰成像的优势，基于红外图像的区域对比度信息以及边缘信息优化可见光图像，最后建立并求解去散射优化模型，增强可见光图像去散射效果，从而实现散射场景下可见光图像清晰彩色成像，对实现透过散射介质的清晰彩色成像具有重要意义。

本发明授权一种可见光图像去散射方法在权利要求书中公布了：1.一种可见光图像去散射方法，其特征在于，包括如下步骤： S1、对可见光图像进行估计可见光透射率图和大气光； S2、使用红外图像对估计的可见光透射率图进行边缘优化； S3、提取红外图像边缘信息； S4、建立并求解去散射优化模型，输出去散射可见光图像； 步骤S4中，所述建立的去散射优化模型包括：引导对比度增强项G·、透射率图优化的大气散射模型项H·、图像边缘保持项ED·和颜色保真项CF·； 所述对比度增强项G·表示为： 其中像素x和像素y之间的权重ωx,y表示为： 其中X表示图像所有像素位置的集合；Jx表示可见光图像J在像素x的强度，Jy表示可见光图像J在像素y的强度，Rx表示红外图像R在像素x的强度，Ry表示红外图像R在像素y的强度，σR和σS是平滑参数； 所述透射率图优化的大气散射模型项H·表示为： 其中，表示2范数的平方，IVIS是可见相机获取的可见光散射图像，tVIS-refined是步骤S2进行边缘优化得到的可见光透射率图，A是大气光； 所述图像边缘保持项ED·表示为： 其中，表示2范数的平方，EdgeiIIR是步骤S3提取得到的红外图像边缘信息，EdgeiJ是可见光图像边缘； 所述颜色保真项CF·表示为： 其中，表示2范数的平方，表示了对图像J执行窗口大小为ha的均值滤波操作； 步骤S4中，所述求解去散射优化模型表示为最小化以下优化问题： 其中，E·是优化问题的代价函数，J是待去散射的可见光图像，G·为引导对比度增强项，H·是透射率图优化的大气散射模型项，ED·是图像边缘保持项，CF·是颜色保真项，超参数α、β、γ和δ分别表示各项在代价函数中的权重，取值均大于0； 所述去散射优化模型表示为最小化以下优化问题的求解方法，包括如下步骤： S4-1、获取散射场景下的可见光图像IVIS和散射场景下的红外图像IIR,k为迭代次数，Jk为第k次迭代的结果，Jk-1表示第k-1次迭代的结果，初始化J0为散射场景下的可见光图像IVIS； S4-2、计算所述优化问题的代价函数E·的梯度项▽E； S4-3、通过公式Jk＝Jk-1-t·▽E更新可见光图像，得到当前迭代结果Jk，其中，▽E为所述优化问题的代价函数E·的梯度项，t为梯度下降步长； S4-4、计算当前迭代结果Jk与前一步迭代结果Jk-1的均方根误差RMSE； S4-5、若RMSEJk,Jk-1小于阈值ò，则停止迭代输出去散射可见光图像，反之则跳转到步骤S4-2计算梯度项▽E继续迭代。

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清华大学深圳国际研究生院，其通讯地址为：518055 广东省深圳市南山区西丽街道深圳大学城清华校区A栋二楼；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。