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！

龙图腾网获悉南京莱斯电子设备有限公司;中国电子科技集团公司第二十八研究所申请的专利一种基于轻量化深度神经网络的低光照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：CN116309110B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310017854.X，技术领域涉及：G06T5/73；该发明授权一种基于轻量化深度神经网络的低光照图像去雾方法是由朱伟;陈平;谈青青;吉咸阳;董小舒;吴靓浩;孙宜斌;辛付豪;章林设计研发完成，并于2023-01-06向国家知识产权局提交的专利申请。

本一种基于轻量化深度神经网络的低光照图像去雾方法在说明书摘要公布了：本发明公开了一种基于轻量化深度神经网络的低光照图像去雾方法，主要解决低光照场景下雾图特征提取困难、缺乏对图像色偏的有效校正，以及去雾网络结构复杂，占用资源较多的问题。所述方法包括如下步骤：构建含有合成低光照雾图和真实低光照雾图的训练及测试数据集；构建用于低光照图像去雾的端到端轻量化深度神经网络，包含轻量化多级特征融合子模块和轻量化通道注意力子模块；构建网络目标损失函数；使用构建的数据集对网络进行训练；将低光照场景下的有雾图像输入到训练好的网络得到去雾后图像。本发明在保持复原图像对比度的前提下，更好校正图像色偏、恢复图像细节，同时有资源占用少、参数量小和运算量低的优点。

本发明授权一种基于轻量化深度神经网络的低光照图像去雾方法在权利要求书中公布了：1.一种基于轻量化深度神经网络的低光照图像去雾方法，其特征在于，包括以下步骤： 步骤1，构建含有合成低光照雾图和真实低光照雾图的训练数据集及测试数据集； 步骤2，构建用于低光照图像去雾的端到端轻量化深度神经网络； 步骤3，构建所述用于低光照图像去雾的端到端轻量化深度神经网络的目标损失函数； 步骤4，采用步骤1中构建的训练数据集对步骤2中构建的用于低光照图像去雾的端到端轻量化深度神经网络进行训练； 步骤5，将低光照场景下的有雾图像输入到经过步骤4训练好的用于低光照图像去雾的端到端轻量化深度神经网络，得到去雾后图像，完成基于轻量化深度神经网络的低光照图像去雾； 其中，步骤2中所述的用于低光照图像去雾的端到端轻量化深度神经网络，使用编码器-解码器架构；其中，编码器部分将输入转化为特征，解码器部分将特征转化为期望得到的目标，所述目标即得到去雾后图像；编码器-解码器架构分为四层，各层分别由卷积层、轻量化多级特征融合模块、轻量化通道注意力模块以及反卷积层构成；具体构建方法如下： 步骤2-1，建立轻量化多级特征融合模块； 步骤2-2，建立轻量化通道注意力模块； 步骤2-3，组成所述用于低光照图像去雾的端到端轻量化深度神经网络； 步骤2-1中所述的建立轻量化多级特征融合模块的具体方法如下： 步骤2-1-1，分别建立分离卷积子模块和GSC子模块； 步骤2-1-2，将所述轻量化多级特征融合模块的输入送入分离卷积子模块，输出结果与所述轻量化多级特征融合模块最初的输入进行维度连接后送入GSC子模块，输出结果与GSC子模块的输入以及所述最初的输入进行维度连接，组成轻量化多级特征融合模块； 步骤2-1-1中所述的GSC子模块，结构如下： 卷积核大小为1*1，步长为1的卷积层、BN归一化层与ReLu激活函数层顺次叠加得到特征a；将特征a输入卷积核大小为3*3的Ghost卷积层、BN归一化层与ReLu激活函数层顺次叠加得到特征b；将特征a与特征b在通道维度进行拼接，最后加入shuffle操作后得到结果即为所述GSC子模块输出。

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南京莱斯电子设备有限公司;中国电子科技集团公司第二十八研究所，其通讯地址为：210000 江苏省南京市秦淮区永丰大道36号天安数码城05幢；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。