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！

龙图腾网获悉中国空气动力研究与发展中心低速空气动力研究所申请的专利一种基于自监督特征融合GAN模型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：CN116739935B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202310759300.7，技术领域涉及：G06T5/73；该发明授权一种基于自监督特征融合GAN模型的图像去雾方法是由左承林;熊浩;易贤;赵荣设计研发完成，并于2023-06-26向国家知识产权局提交的专利申请。

本一种基于自监督特征融合GAN模型的图像去雾方法在说明书摘要公布了：本发明涉及一种基于自监督特征融合GAN模型的图像去雾方法，自监督特征融合GAN模型包括判别器和基于U‑net架构的生成器，去雾网络包括训练得到的生成器，生成器包括连接的编码器和解码器；编码器进行下采样操作，解码器进行上采样操作。编码器包括依次连接的卷积层和多级第一处理层，第一处理层包括依次连接的残差层、卷积层和特征融合模块；解码器包括依次连接的多级第二处理层、自监督注意力模块和卷积层，第二处理层包括依次连接的反卷积层、增强策略模块和残差层。基于上述结构的去雾方法，提高了生成图像的准确性和细节保留能力，生成的去雾图像更真实和清晰。

本发明授权一种基于自监督特征融合GAN模型的图像去雾方法在权利要求书中公布了：1.一种基于自监督特征融合GAN模型的图像去雾方法，其特征在于： 所述图像去雾方法基于图像去雾网络实现，所述图像去雾网络基于对自监督特征融合GAN模型进行训练得到； 所述自监督特征融合GAN模型包括判别器和基于U-net架构的生成器；所述去雾网络包括训练得到的生成器，所述生成器包括连接的编码器和解码器；所述编码器进行下采样操作，所述解码器进行上采样操作； 所述编码器包括依次连接的卷积层和多级第一处理层，所述第一处理层包括依次连接的残差层、卷积层和特征融合模块；所述解码器包括依次连接的多级第二处理层、自监督注意力模块和卷积层，所述第二处理层包括依次连接的反卷积层、增强策略模块和残差层； 所述图像去雾方法包括：对有雾图像进行数据预处理，将图像重置到预设像素大小得到待处理对象；将待处理对象输入到生成器中依次经过编码器的处理和解码器的处理以得到去雾图像； 所述的编码器的处理，包括： 获取所述待处理对象； 将所述待处理对象进行卷积下采样处理以得到第一特征图，对所述第一特征图进行多级第一处理层的处理；对于多级第一处理层的处理，包括： 对于第一级处理层，处理方法包括：将第一特征图进程残差处理后，得到第一级的残差特征图；将第一级的残差特征图进行卷积下采样处理后，得到第一级的下采样特征图；将第一特征图和第一级的下采样特征图进行特征融合处理后得到第一级的融合特征图； 对于除第一级的第一处理层外的其他第一处理层，处理方法包括：将前一级第一处理层得到的融合特征图进行残差处理后，得到该级的残差特征图；将该级残差特征图进行卷积下采样处理后，得到该级的下采样特征图；将该级的下采样特征图、第一特征图和所有前级的第一处理层得到的融合特征图进行特征融合处理后得到该级融合特征图； 所述的解码器的处理，包括： 获取编码器最终输出的融合特征图，对于多级第二处理层，任意一级的第二处理层的处理，包括： 将输入的特征图经反卷积的上采样处理后，得到该级的上采样特征图；将该级的上采样特征图和第一处理层中对应级别的残差特征图进行增强特征融合处理后，得到该级的增强特征图，所述对应级别为中心对称对应级别，即解码器中最先一级的第二处理层与编码器的最后一级的第一处理层对应，解码器中最后一级的第二处理层与编码器器的最先一级的第一处理层对应；将该级的增强特征图进行残差处理后，得到该级的残差特征图； 获取最后一级的残差特征图，进行自监督注意力处理后得到第二特征图；将所述第二特征图进行卷积处理后得到所述去雾图像。

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中国空气动力研究与发展中心低速空气动力研究所，其通讯地址为：621000 四川省绵阳市涪城区二环路南段6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。