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！

龙图腾网获悉复旦大学申请的专利一种基于CTFormer的自动驾驶图像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：CN119941576B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202411909732.2，技术领域涉及：G06T5/77；该发明授权一种基于CTFormer的自动驾驶图像去雾方法是由陈雄;杨磊设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本一种基于CTFormer的自动驾驶图像去雾方法在说明书摘要公布了：本发明属于自动驾驶技术领域，具体为一种基于CTFormer的自动驾驶图像去雾方法。本发明包括：通过引入可学习的位置编码，对输入的雾化图像进行预处理，增强模型对空间位置信息的感知能力；利用改进的编码器，结合局部卷积和基于Taylor展开的多头自注意力机制，对图像的多尺度特征进行建模，捕获全局上下文信息与局部细节；利用解码器，通过跳跃连接和多尺度上采样逐步恢复高分辨率图像，并结合细节增强强化图像边缘和高频信息；通过输出模块生成清晰的去雾图像。本发明结合对比学习策略和多种损失函数的优化设计，准确还原雾天条件下的场景细节，显著提高去雾模型的计算效率和鲁棒性，为自动驾驶系统提供高质量的视觉感知输入。

本发明授权一种基于CTFormer的自动驾驶图像去雾方法在权利要求书中公布了：1.一种基于CTFormer的自动驾驶图像去雾方法，其特征在于，采用卷积特征提取和改进型Transformer架构相结合的模型，记为CTFormer；通过多尺度特征建模、Taylor展开注意力机制T-MHSA、对比约束模块CCM和细节增强模块，实现去雾图像生成； 所述CTFormer模型包含输入预处理模块、编码器模块、解码器模块、对比约束模块CCM、损失函数与优化模块和输出模块；其中： 输入预处理模块：对输入的雾化图像进行归一化和数据增强处理，利用可学习的位置编码增强输入特征的空间信息表达能力，使模型能够适应不同天气和环境条件； 编码器模块：采用改进的Transformer架构，将传统的多头自注意力机制优化为基于Taylor展开的高效注意力机制T-MHSA，结合局部卷积操作捕获图像的多尺度全局特征，增强模型对雾化区域的表征能力； 解码器模块：通过多尺度上采样和跨层跳跃连接逐步恢复图像的高分辨率和细节信息；结合细节增强模块，进一步提升图像的清晰度和边缘表现； 对比约束模块CCM：利用对比学习策略，构建锚点、正样本和负样本的特征分布，通过对比损失优化特征间的相对关系，提高去雾特征的判别能力； 损失函数与优化模块：设计多种损失函数，包括像素级损失、感知损失和对比损失，并通过动态权重组合优化模型训练过程，确保最终输出的图像质量和一致性； 输出模块将解码器生成的特征图映射为高清去雾图像，结合后处理技术如边缘平滑和细节增强，输出满足自动驾驶需求的高质量去雾结果； 具体步骤如下： 1由预处理模块对含雾图像进行预处理； 具体是对自动驾驶场景下采集的含雾图像进行预处理，将原始图像转化为模型可处理的标准化输入张量； 2由编码器模块对经预处理的图像进行编码，即将预处理后的含雾图像作为输入张量送入编码器模块，通过混合注意力机制T-MHSA和局部卷积提取多尺度特征；编码器输出的特征图作为后续模块的输入，提供多尺度、层次化的特征表示； 3由解码器模块将编码器输出的多尺度特征还原为高质量的清晰图像，通过多层上采样和细节增强模块逐步恢复图像分辨率和细节； 4由对比约束模块CCM优化特征的区分能力，通过对比学习策略增强编码器和解码器的综合性能； 5模型训练过程中损失函数与优化处理，具体通过多种损失函数的联合设计和优化，提升去雾图像的质量与模型的鲁棒性；损失函数主要包括像素级损失、感知损失、对比损失以及总损失的优化； 6由输出模块通过映射和后处理，将解码器生成的特征图转化为最终的去雾图像，以保证输出的视觉效果和实用性。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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。