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！

龙图腾网获悉重庆大学申请的专利一种基于深度学习的轻量级图像去雨算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：CN116152074B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202111373604.7，技术领域涉及：G06T5/73；该发明授权一种基于深度学习的轻量级图像去雨算法是由赵敏;孙棣华;胡琪设计研发完成，并于2021-11-19向国家知识产权局提交的专利申请。

本一种基于深度学习的轻量级图像去雨算法在说明书摘要公布了：本发明公开了一种基于深度学习的轻量级图像去雨算法，主要用于图像去雨，解决雨天拍摄的图像的去雨问题以及背景恢复问题。提出一种基于PReNet模型的轻量级图像去雨方法，以PReNet模型为基础，改进其网络结构，在保证去雨实时性的同时，获得更好的去雨效果。针对PReNet存在的背景误删问题，引入了空洞卷积DilatedConvolution，它可以在不丢失任何分辨率的情况下系统地聚合多尺度上下文信息，并且不需要额外的参数，可以保证网络的速度；针对空洞卷积带来的网格伪影griddingartifacts问题，采用混合空洞卷积HDCHybridDilatedConvolution来解决。本发明可以在保证较好的小雨雨条纹去除效果的同时，提升大雨雨条纹的去除效果。

本发明授权一种基于深度学习的轻量级图像去雨算法在权利要求书中公布了：1.一种基于深度学习的轻量级图像去雨算法，其特征在于，包括以下步骤： S1：在大雨数据集RainTrainH上进行研究，并对大雨数据集RainTrainH进行预处理操作； S1-1：剔除大雨数据集RainTrainH中图片背景与验证集中的图片背景内容相同的图片，将剩余的有雨图片作为训练集； S1-2：选择Rain100H大雨数据集作为验证集； S2：在PyTorch深度学习框架的基础上，搭建PReNet模型，并对其进行改进； S2-1：将原模型中的ResBlock中包含的2个普通的卷积层均替换为空洞卷积； S2-2：对空洞卷积设置满足混合空洞卷积特性的空洞率； 所述PReNet模型改进内容具体如下： 1所述PReNet模型由6个阶段组成，每个阶段的网络结构均相同，且这6个阶段共享相同的网络参数，以减少模型的参数数量，并且逐个阶段去雨的方法有利于大雨条纹的去除，每个阶段由四个部分组成，分别是fin层、frecurrent层、fres层、fout层； 2输入输出：第一个阶段的输入是两张原始雨图像级联的结果，后面每一阶段的输入都是阶段结果和原始雨图像的级联结果；每一阶段的输出为下列表达式的结果： xt-0.5＝finxt-1,y st＝frecurrentst-1,xt-0.5 xt＝foutfresst 其中，xt-1为上一阶段的输出结果，y为原始雨图像，fin为输入卷积层，xt-0.5为该阶段fin层的输出结果，frecurrent为LSTM层，st-1为上一阶段frecurrent层的输出结果，st为该阶段frecurrent的输出结果，fres为ResBlocks层，fout为输出卷积层，x为该阶段输出结果； 3fin层：fin是一个带有ReLU函数的一层卷积，过滤器大小为3*3，补丁大小为1*1，输入为6通道，输出为32通道； 4frecurrent层：长短期记忆LSTM是一种特殊的循环神经网络RNN，用于解决长序列训练过程中的梯度消失和梯度爆炸问题，通过门控状态来控制传输状态，使其记住需要长时间记忆的信息，忘记不重要的信息；其中，LSTM层的输入和输出均为32通道； 5fres层：fres是提取雨条纹深度表示的关键部分，包含5个ResBlocks，5个ResBlocks共享所有参数，原模型中的每个ResBlocks包含两个普通卷积层，每个卷积层后都跟有一个ReLU函数；将原模型中ResBlocks里的两个普通卷积层换成两个空洞卷积层；采用混合空洞卷积HDC来解决网格伪影问题，其中，所述空洞卷积需满足三个条件： 设计目标是让M＜＝K，其中，K是卷积核尺寸，n为空洞卷积的个数，r第i个空洞卷积的空洞卷积率dilationrate； 经过多组试验后发现，5个ResBlocks里的空洞卷积分别设置为1、2、5、1、2，且每个ResBlocks里2个空洞卷积的卷积率相同，可得到最好的去雨效果，每个卷积层的输入输出均为32通道； 6fout层：fout与fin层结构相同，也是一个带有ReLU函数的一层卷积，过滤器大小为3*3，补丁大小为1*1，输入为6通道，输出为32通道； S3：对模型进行训练，在处理好的RainTrainH数据集上，使用SGD方法进行多轮训练； S3-1：在搭建好的网络模型上，使用随机梯度下降法对模型进行训练； S3-2：对混合空洞卷积设置不同的满足要求的空洞率，再次进行训练，直至得到最好的效果； S4：在Rain100H大雨数据集上对训练好的模型进行验证，得到最终结果； S4-1：若此次实验结果差于上次实验结果，则继续调整空洞率并对模型进行训练和验证； S4-2：对模型进行反复训练和验证，直到获得较好的去雨效果； S5：调整好模型之后，将该模型在小雨数据集RainTrainL上进行训练和在小雨数据集Rain100L上进行验证。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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。