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！

龙图腾网获悉太原理工大学申请的专利基于曝光成像模型和模块化深度网络的图像去雨雪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：CN115471414B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202211021788.5，技术领域涉及：G06T5/77；该发明授权基于曝光成像模型和模块化深度网络的图像去雨雪方法是由李鹏越;刘元铭;张金柱;王涛设计研发完成，并于2022-08-24向国家知识产权局提交的专利申请。

本基于曝光成像模型和模块化深度网络的图像去雨雪方法在说明书摘要公布了：本发明属于图像复原技术领域，公开了一种基于曝光成像模型和模块化深度网络的图像去雨雪方法。针对现有的基于深度学习的单幅图像去雨方法中简化的线性叠加雨模型会合成出不真实的训练和测试雨图像数据集，进而影响基于模型的网络架构设计和雨去除的效果。本发明提出了一个非线性的雨雪曝光成像模型，该模型考虑了雨雪成像的曝光因素，它可以更准确地描述雨雪的成像特性和图像中从半透明到不透明的雨雪遮挡。利用该模型合成了具有不同曝光时间的多样化雨雪数据集，并设计了一个新颖的雨雪去除网络。由于网络融合了对曝光时间的估计，因此与现有的雨雪去除网络相比，它可以更有效地去除具有不同遮挡的雨雪。

本发明授权基于曝光成像模型和模块化深度网络的图像去雨雪方法在权利要求书中公布了：1.一种基于曝光成像模型和模块化深度网络的图像去雨雪方法，其特征在于，包括以下步骤： 步骤1，建立如下的非线性雨雪曝光成像模型： ； 其中，表示雨雪图像强度，是干净背景图像，表示雨雪的平均辐照度，雨雪图像强度是干净背景图像、动态雨雪图和曝光时间的非线性组合； 步骤2，建立深度去雨雪网络，所述网络包括局部和全局U型雨雪检测子网络、收缩型曝光时间估计子网络和堆叠式多尺度残差雨雪去除子网络； 步骤3，将雨雪图像输入到局部和全局U型雨雪检测子网络，提取雨雪图像的全局和局部性特征，估计出雨雪条纹图； 步骤4，将雨雪图像输入到收缩型曝光时间估计子网络，将全局信息采样到单一变量值获得曝光时间估计值，然后将估计值上采样到与输入图像相同的尺寸以便进行损失估计； 步骤5，将步骤3和步骤4获得的雨雪条纹图和曝光时间，通过步骤1的非线性雨雪曝光成像模型获得初步复原的雨雪图像； 步骤6，将步骤4获得的初步复原的雨雪图像输入到堆叠式多尺度残差雨雪去除子网络进一步去除不同程度的雨雪遮挡，获得最终的精细化无雨雪图像； 步骤7，设定局部和全局U型雨雪检测子网络、收缩型曝光时间估计子网络和堆叠式多尺度残差雨雪去除子网络的损失函数，在损失函数约束下，通过在雨雪数据集上对各子网络进行阶梯型迭代训练学习网络模型参数，直至网络收敛； 步骤8，在合成和真实雨雪图像上对算法去除雨雪的有效性进行定量和定性的验证，并与典型算法进行对比； 所述步骤2中局部和全局U型雨雪检测子网络为残差密集U型自编码器，包括由四阶段残差密集块和降采样层组成的编码器以及由全局局部注意力模块、四阶段残差密集块和上采样层组成的解码器；所述步骤2中收缩型曝光时间估计子网络由八阶段下采样操作和自适应池化层构成；所述步骤2中堆叠式多尺度残差雨雪去除子网络为两个以残差方式堆叠的并行残差多尺度块； 步骤7中的局部和全局U型雨雪检测子网络的损失函数为： ； 其中和分别表示预测的雨雪图和相应的真实值，是训练数据的总数，和是平衡两种损失的权重，为绝对误差损失、表示结构相似性损失； 收缩型曝光时间估计子网络的损失函数为： ； 其中和分别表示估计的曝光时间和相应的真实值； 堆叠式多尺度残差雨雪去除子网络的损失函数为： ； 其中和分别表示估计的雨雪图像和相应的真实值，和是平衡绝对误差损失和SSIM损失之间重要性的权重。

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太原理工大学，其通讯地址为：030024 山西省太原市迎泽西大街79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。