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！

龙图腾网获悉哈尔滨工业大学;中国移动通信集团黑龙江有限公司申请的专利一种基于恶劣天气图像恢复网络的图像恢复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：CN120031755B 。

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：202510119068.X，技术领域涉及：G06T5/77；该发明授权一种基于恶劣天气图像恢复网络的图像恢复方法是由赵立军;谢涛;安韬;王靖雯;赵海涛;李刚设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本一种基于恶劣天气图像恢复网络的图像恢复方法在说明书摘要公布了：本发明涉及图像恢复领域，尤其涉及一种基于恶劣天气图像恢复网络的图像恢复方法。本发明针对现有技术中各任务间在优化过程中梯度冲突带来的准确率下降的问题，因此提出一种基于恶劣天气图像恢复网络的图像恢复方法，为了实现更加细粒度的参数共享策略，提出一种基于混合专家系统的通道级参数共享策略，采用浅层特征提取模块将输入图像提取浅层特征，基于该特征，每一层卷积层配备的门控网络输出判别分数，从而实现通道级权重共享。并且设计一种梯度正则化策略，缓解各任务间在优化过程中梯度冲突带来的准确率下降的问题。

本发明授权一种基于恶劣天气图像恢复网络的图像恢复方法在权利要求书中公布了：1.一种基于恶劣天气图像恢复网络的图像恢复方法，其特征在于，包括以下步骤： 一、构建恶劣天气图像恢复网络；得到训练好的恶劣天气图像恢复网络； 所述恶劣天气图像恢复网络包括：浅层特征提取网络和图像恢复网络； 二、将待恢复的恶劣天气图像输入训练好的恶劣天气图像恢复网络，得到恢复图像； 所述一中构建恶劣天气图像恢复网络；得到训练好的恶劣天气图像恢复网络；具体过程为： 步骤一、采集训练数据集； 步骤二、对步骤一中采集的训练数据集进行数据预处理，获得数据预处理后的训练数据集；具体过程为： 对步骤一中采集的训练数据集中的原始图像进行依次进行随机裁剪处理和随机旋转处理，得到数据预处理后的图像；最终获得数据预处理后的训练数据集； 步骤三、构建恶劣天气图像恢复网络；根据数据预处理后的训练数据集对恶劣天气图像恢复网络进行训练，得到训练好的恶劣天气图像恢复网络； 所述图像恢复网络包括编码器和解码器； 将数据预处理后的图像和图像的浅层特征一起输入图像恢复网络，得到恢复图像的具体过程为： S2.1：将数据预处理后的图像和图像的浅层特征输入编码器中处理，输出中间特征FN；编码器包括N个卷积单元；所述N为正整数； 所述卷积单元均包括一个3×3的卷积层和一个多头门控函数层； 所述将数据预处理后的图像和图像的浅层特征输入编码器中处理，输出中间特征FN的具体过程为： S2.1.1：将图像的浅层特征分别输入到每个卷积单元的多头门控函数层进行处理，得到每一个卷积单元的卷积层权重矩阵； S2.1.2：将数据预处理后的图像依次输入N个卷积单元的卷积层中进行处理，前一个卷积单元卷积层的输出作为下一个卷积单元卷积层的输入； 第n个卷积单元的卷积层输出表示为中间特征Fn；n＝[1,2,...,N]；最后一个卷积单元的卷积层输出表示为中间特征FN； S2.2：将中间特征FN和图像的浅层特征输入解码器中处理，输出恢复图像； 所述S2.2中解码器包括Z个反卷积单元，Z＝N； 所述Z个反卷积单元均包括一个3×3的反卷积层和一个多头门控函数层； 所述S2.2中将中间特征FN和图像的浅层特征输入解码器中处理，输出恢复图像；具体过程为： S2.2.1：将图像的浅层特征分别输入到每个反卷积单元的多头门控函数层进行处理，得到每一个反卷积单元的反卷积层权重矩阵； S2.2.2：将数据预处理后的图像依次输入Z个反卷积单元的卷积层中进行处理，前一个反卷积单元卷积层的输出作为下一个反卷积单元卷积层的输入； 第z个反卷积单元的卷积层输出表示为中间特征Iz；z＝[1,2,...,Z]；最后一个反卷积单元的卷积层输出IZ作为恢复图像。

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哈尔滨工业大学;中国移动通信集团黑龙江有限公司，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。