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！

龙图腾网获悉北京工业大学申请的专利图像去雾方法、装置、电子设备及存储介质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：CN115908159B 。

龙图腾网通过国家知识产权局官网在2026-01-20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：202211249065.0，技术领域涉及：G06T5/73；该发明授权图像去雾方法、装置、电子设备及存储介质是由李嘉锋;况玲艳;郝帅;卓力设计研发完成，并于2022-10-12向国家知识产权局提交的专利申请。

本图像去雾方法、装置、电子设备及存储介质在说明书摘要公布了：本发明提供一种图像去雾方法、装置、电子设备及存储介质，其中方法包括：确定待去雾图像；将所述待去雾图像输入至去雾模型中，得到所述去雾模型输出的去雾后的图像；所述去雾模型包括雾霾图像编码器和语义解码器；所述雾霾图像编码器用于提取并融合所述待去雾图像在两个不同层级的语义特征，得到雾霾图像语义特征；所述语义解码器用于基于所述雾霾图像语义特征得到去雾后的图像；所述去雾模型是基于不成对的雾霾样本图像和清晰样本图像训练得到，实现了对待去雾图像不同层级的语义特征提取，提高了输出的雾霾图像语义特征的特征表达能力，从而提高了去雾模型的雾霾特征提取能力，进而提高去雾模型的去雾质量。

本发明授权图像去雾方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种图像去雾方法，其特征在于，包括： 确定待去雾图像； 将所述待去雾图像输入至去雾模型中，得到所述去雾模型输出的去雾后的图像； 所述去雾模型包括雾霾图像编码器和语义解码器；所述雾霾图像编码器用于提取并融合所述待去雾图像在两个不同层级的语义特征，得到雾霾图像语义特征；所述语义解码器用于基于所述雾霾图像语义特征得到去雾后的图像；所述去雾模型是基于不成对的雾霾样本图像和清晰样本图像训练得到； 其中，所述雾霾图像编码器包括浅层网络分支、深层网络分支和加权融合网络； 所述雾霾图像语义特征的获取步骤如下： 将所述浅层网络分支提取的所述待去雾图像的语义特征和所述深层网络分支提取的所述待去雾图像的语义特征进行融合，得到融合特征； 基于所述加权融合网络，对所述融合特征进行通道级和像素级的加权特征融合，得到所述雾霾图像语义特征； 其中，所述浅层网络分支包括浅层第一卷积单元、浅层第二卷积单元、浅层第三卷积单元和浅层残差单元；所述深层网络分支包括深层第一卷积单元、深层第二卷积单元、深层第三卷积单元、深层第一残差单元、深层第二残差单元和深层第三残差单元； 所述将所述浅层网络分支提取的所述待去雾图像的语义特征和所述深层网络分支提取的所述待去雾图像的语义特征进行融合，得到融合特征，包括： 基于所述待去雾图像，应用所述浅层第一卷积单元，确定第一浅层特征，并应用所述深层第一卷积单元和所述深层第一残差单元，确定第一深层特征； 基于所述第一浅层特征和所述第一深层特征，确定第一融合特征； 基于所述第一融合特征，应用所述浅层第二卷积单元，确定第二浅层特征，并应用所述深层第二卷积单元和所述深层第二残差单元，确定第二深层特征； 基于所述第二浅层特征和所述第二深层特征，确定第二融合特征； 基于所述第二融合特征，应用所述浅层第三卷积单元，确定第三浅层特征，并应用所述深层第三卷积单元，确定第三深层特征； 基于所述第三浅层特征和所述第三深层特征，确定第三融合特征； 基于所述第三融合特征，应用所述浅层残差单元，确定第四浅层特征，并应用所述深层第三残差单元，确定第四深层特征； 基于所述第四浅层特征和所述第四深层特征，确定所述融合特征。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。