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！

龙图腾网获悉中国人民解放军陆军工程大学申请的专利一种有雾图像的视觉增强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：CN115511741B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202211176904.0，技术领域涉及：G06T5/73；该发明授权一种有雾图像的视觉增强方法是由石昌友;卢建平;孙强;周静;黄蔚;夏榕泽设计研发完成，并于2022-09-26向国家知识产权局提交的专利申请。

本一种有雾图像的视觉增强方法在说明书摘要公布了：本发明具体涉及一种有雾图像的视觉增强方法，包括：将有雾图像和清晰图像视为两种类型的数据域空间，将有雾图像的去雾和清晰图像的雾化构成对偶任务；基于对偶学习机制训练两个跨数据域空间转换映射的生成对抗网络模型；首先将源域图像输入对应模型的生成器，得到映射图像；其次把映射图像和目标域图像输入对应模型的判别器进行对抗鉴别，并计算对抗损失；然后把映射图像输入对应模型逆任务模型的生成器得到逆映射图像；再基于逆映射图像和源域图像计算重构损失；最后将对抗损失和重构损失组合成优化函数，用以训练对应的模型。本发明能够训练得到与有雾天气的实际情况更吻合的模型，且无需通过人工合成的方式产生训练样本。

本发明授权一种有雾图像的视觉增强方法在权利要求书中公布了：1.一种有雾图像的视觉增强方法，其特征在于，包括： S1：获取有雾图像和清晰图像构建训练样本； S2：将有雾图像和清晰图像视为两种类型的数据域空间，然后将有雾图像的去雾和清晰图像的雾化构成对偶任务； S3：基于对偶学习机制训练两个跨数据域空间转换映射的生成对抗网络模型，即互为逆任务模型的去雾模型和雾化模型； 训练两个模型时，首先将训练样本中的有雾图像或清晰图像作为源域图像输入对应模型的生成器，得到映射图像；其次把映射图像和目标域图像输入对应模型的判别器进行对抗鉴别，并计算对应模型的对抗损失；然后把映射图像输入对应模型的逆任务模型的生成器，得到逆映射图像；再基于逆映射图像和源域图像计算对应模型的重构损失；最后将对应的对抗损失和重构损失组合成优化函数，用以训练对应的模型； 去雾模型和雾化模型中生成器的优化函数定义如下： 式中：和分别表示去雾模型和雾化模型中生成器的训练损失；Lc_fog和Lc_clean分别表示去雾模型和雾化模型的重构损失；β和γ表示超参数；Lident表示去雾模型的一致性损失；Gf2c·和Gc2f·分别表示去雾模型和雾化模型中的生成器；X表示输入图像；Dc·和Df·分别表示去雾模型和雾化模型中的判别器； 通过如下公式计算去雾模型的一致性损失： Lident＝||Gf2cXB-XB||1； 式中：Lident表示去雾模型的一致性损失；XB表示清晰图像；Gf2c·表示去雾模型中的生成器；||·||1表示一阶范数； 通过如下公式计算去雾模型和加雾模型中生成器的重构损失： Lc_fog＝||Gc2fGf2cXA-XA||1； Lc_clean＝||Gf2cGc2fXB-XB||1； 式中：Lc_fog和Lc_clean分别表示去雾模型和雾化模型的重构损失；||·||1表示一阶范数；XA表示有雾图像，即去雾模型中生成器的源域图像；XB表示清晰图像，即雾化模型中生成器的源域图像；Gf2c·和Gc2f·分别表示去雾模型和雾化模型中的生成器； S4：将待处理的有雾图像输入训练后的去雾模型，得到去雾图像作为视觉增强结果。

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中国人民解放军陆军工程大学，其通讯地址为：400035 重庆市沙坪坝区林园甲1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。