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！

龙图腾网获悉四川大学申请的专利基于灵活时空区域划分的注意力视频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：CN119515727B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202411573684.4，技术领域涉及：G06T5/73；该发明授权基于灵活时空区域划分的注意力视频去雾方法是由刘艳丽;王振;邢冠宇设计研发完成，并于2024-11-06向国家知识产权局提交的专利申请。

本基于灵活时空区域划分的注意力视频去雾方法在说明书摘要公布了：本发明提出了一种基于灵活时空区域划分的注意力视频去雾方法，该方法采用时空注意力的方式提取雾霾视频帧中的时空关联特征，以加强视频去雾算法面对非均匀雾霾和大范围运动场景时的去雾效果。所提出的方法使用滑动窗口关联注意力模块来提取空间上相互作用的雾霾密度信息，以解决不同区域之间雾霾密度变化的难题。此外，所提出的基于灵活时空区域划分的注意力视频去雾方法使用了一个时间互补信息增强模块来捕获参考帧与相邻帧间的互补信息，以解决视频帧之间时间变化的问题，减少帧间伪影。

本发明授权基于灵活时空区域划分的注意力视频去雾方法在权利要求书中公布了：1.基于灵活时空区域划分的注意力视频去雾方法，其特征在于，包含以下步骤： 步骤一，成对的清晰视频帧和雾霾视频帧采集，首先使用相机采集连续的清晰视频帧Jx[r-n,r+n]，然后基于大气散射模型Ix＝Jxtx+A1-tx，生成对应的雾霾视频Ix[r-n,r+n]； 步骤二，将连续的雾霾视频帧Ix输入到一个二维PatchEmbeding层中，将二维视频帧转化为一维的patch块特征序列F[r-n,r+n]； 步骤三，将特征序列F[r-n,r+n]输入到滑动窗口关联注意力模块中，计算特征点相较于周围区域的空间关联信息，计算步骤如下：对于第r个视频帧中i,j处的特征点在第r个视频帧中构造以为中心的空间滑动窗口计算特征点相较于窗口中特征点之间的注意力值，计算步骤表述为：其中由经线性变换得到，由经线性变换得到，d表示特征维度，B为可学习的偏置项，DWConv表示深度可分离卷积，卷积核的大小为3×3； 步骤四，将特征序列进一步输入到一个时间互补信息增强模块中，提取参考帧特征Fr相较于相邻帧特征F[r-n,r+n]间的互补信息，并将提取到的互补信息进一步融入到参考帧特征Fr中，具体的计算步骤为： a、选取参考帧特征点在相邻帧特征序列F[r-m,r+n]中构造一个时间邻域窗口其中a＝[i-k2,…,i+k2],b＝[j-k2,…,j+k2]，其中k表示时间邻域窗口的大小； b、计算参考帧特征点相较于时间邻域窗口内特征点的时间注意矩阵，过程如下，将参考帧中的特征点经线性映射为Query将时间邻域内特征点经线性变换分别映射为Key和Value时间注意矩阵计算如下： c、然后，通过将时间注意矩阵与邻域中的Value相乘，得到相邻帧特征相较于参考帧之间的互补信息计算方式为：并进一步将得到互补信息与参考帧特征进行融合； 步骤五，将经过时空编码的视频特征序列F[r-n,r+n]输入到一个下采样层中，序列的输入维度是H×W×C×T，此处的T表示时间维度，下采样后的特征维度是下采样层由一个卷积核大小为2，stride为2的卷积层组成； 步骤六，经过两阶段的时空编码和下采样后，将得到时空特征输入到一个时间记忆增强模块中，使用时间互补信息和全局记忆信息对参考帧特征进行特征增强； 步骤七，对于参考帧特征进行上采样操作，首先使用一个2×2卷积对参考帧特征进行卷积操作，使得其通道数变为4C，再通过PixelShuffle操作使得宽高维度加倍，通道数变为C； 步骤八，使用一个多帧融合的残差连接，将浅层的相邻帧特征融合到深层的参考帧特征中，首先将浅层相邻帧特征输入到一个深度可分离卷积中，再与深层的参考帧特征进行融合，计算方式为：其中表示深层的参考帧特征，表示浅层的相邻帧特征； 步骤九，将融合后的特征输入到一个基于MLP和深度可分离卷积构造的解码器模块中，基本计算步骤可描述为： 步骤十，模型预测输出的为清晰视频帧和雾霾视频帧之间残差Rx＝Jx-Ix，利用输入Ix，得到模型的预测输出Jxpre，计算Jxpre与Jx之间的损失，对模型进行训练。

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四川大学，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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。