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！

龙图腾网获悉河北工业大学申请的专利一种基于雨图分解的单幅图像去雨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：CN118887131B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202410874106.8，技术领域涉及：G06T5/73；该发明授权一种基于雨图分解的单幅图像去雨方法是由邵威;贾永娜;杨赫博;陈燃;杨亮设计研发完成，并于2024-07-02向国家知识产权局提交的专利申请。

本一种基于雨图分解的单幅图像去雨方法在说明书摘要公布了：本发明公开了一种基于雨图分解的单幅图像去雨方法。本发明将雨图输入到雨纹特征预测网络中，得到雨纹预估图；然后将雨纹预估图输入到雨密度感知分类器中，得到雨图的雨密度等级标签；然后将雨纹预估图和雨密度等级标签输入雨纹像素核定位网络中，得到逐像素的雨纹像素核位置向量；再将雨纹像素核位置向量输入到SNIP尺度自适应范围预测器来生成相应的雨纹覆盖区域，叠加合成得到雨纹总体覆盖区域；最后使用非局部均值滤波对雨纹总体覆盖区域进行去雨处理，得到去雨图像。本发明将雨图精确分解为雨纹区域和背景区域，能够更好地解决去雨过程中去雨过度导致对背景细节损失问题，从而有效地去除雨纹并恢复背景纹理细节信息。

本发明授权一种基于雨图分解的单幅图像去雨方法在权利要求书中公布了：1.一种基于雨图分解的单幅图像去雨方法，其特征在于，该方法包括以下步骤： 步骤1、对原始雨图数据集进行处理，生成统一尺寸的雨图数据集BTotal；将雨图数据集BTotal分为训练集Btrain、验证集Bvali和测试集Btest； 雨图数据集BTotal包括完整的有雨图像以及与之对应的无雨图像；有雨图像作为雨纹特征预测网络的输入，其对应的无雨图像作为参照标签，在计算损失函数时使用； 步骤2、将训练集Btrain中的雨图B输入到雨纹特征预测网络中，生成此次迭代的包含背景细节信息的雨纹预估图BJ；再通过验证集Bvali和损失函数进行约束，对雨纹特征预测网络进行迭代训练，直至达到设定的迭代次数，得到训练好的雨纹特征预测网络； 雨纹特征预测网络包括依次顺序连接的残差转置、引导滤波层和平滑卷积核；平滑卷积核后设置并列的全卷积网络、子网络和具有跳层连接的自编码器； 生成雨纹预估图BJ的过程如下： S2.1、雨图B经过残差转置生成引导雨图BP；再将雨图B和引导雨图BP输入到引导滤波层中进行低通平滑化过程，得到雨图的低频分量BL和高频分量BH，其中BH＝B‑BL； S2.2、低频分量BL和高频分量BH由一组平滑卷积核K处理后得到一组分量{BLi}和{BHi}； S2.3、使用全卷积网络从分量{BHi}中提取得到雨纹图S，使用子网络从分量{BLi}中预估学习得到全局大气光照图A，使用具有跳层连接的自编码器从分量{BLi}和{BHi}中提取得到大气透射图T； S2.4、将雨纹图S、全局大气光照图A和大气透射图T合成，得到雨纹预估图BJ； 步骤3、将步骤2得到的雨纹预估图BJ输入到雨密度感知分类器中，得到此次迭代的雨图B的雨密度等级标签Bd；再通过验证集Bvali和损失函数进行约束，对雨密度感知分类器进行迭代训练，直至达到设定的迭代次数，得到训练好的雨密度感知分类器； 步骤4、将测试集Btest中的雨图B输入到训练好的雨纹特征预测网络中，生成雨纹预估图BJ；再将雨纹预估图BJ输入到训练好的雨密度感知分类器中，得到雨密度等级标签Bd；再将雨密度等级标签Bd输入到以UNet语义分割网络为基础的雨纹像素核定位网络中，得到测试集Btest中的雨图B的逐像素的雨纹像素核位置向量{pBS}； 步骤5、对步骤4得到的雨纹像素核位置向量{pBS}，使用SNIP尺度自适应范围预测器来生成每个雨纹像素核相应的雨纹覆盖区域；再将所有雨纹覆盖区域叠加，得到雨纹总体覆盖区域； SNIP尺度自适应范围预测器由3个尺度的图像金字塔组成，每个尺度均由RPN候选框生成器、RCN区域分类判别器和尺度重缩放层组成； 步骤6、将步骤5得到的雨纹总体覆盖区域进行非局部均值滤波操作，得到测试集Btest中雨图B的去雨图像。

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河北工业大学，其通讯地址为：300401 天津市北辰区西平道5340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。