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！

龙图腾网恭喜南京理工大学申请的专利一种基于元辅助学习的图像去雾方法及系统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：CN114187205B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202111534949.6，技术领域涉及：G06T5/73；该发明授权一种基于元辅助学习的图像去雾方法及系统是由项欣光;陈卓鹏;金露设计研发完成，并于2021-12-15向国家知识产权局提交的专利申请。

本一种基于元辅助学习的图像去雾方法及系统在说明书摘要公布了：本发明涉及一种基于元辅助学习的图像去雾方法及系统，方法包括：构建数据集；所述数据集包括人工合成的雾图数据集以及天然雾图数据集；所述天然雾图数据集包括多张真实雾天图像；构建卷积网络模型；所述卷积网络模型包括编码器、解码器、元学习单元以及辅助学习单元；利用卷积网络模型对所述合成雾图以及所述真实雾天图像进行特征提取，得到图像特征数据；利用所述图像特征数据以及所述清晰图像对所述卷积网络模型进行优化，得到优化后的卷积网络模型；利用所述优化后的卷积网络模型对待测雾图进行去雾处理。本发明通过引入辅助学习单元，使得合成雾图与真实雾天图像的数据分布一致，提高了卷积网络模型的去雾性能。

本发明授权一种基于元辅助学习的图像去雾方法及系统在权利要求书中公布了：1.一种基于元辅助学习的图像去雾方法，其特征在于，包括： 构建数据集；所述数据集包括人工合成的雾图数据集以及天然雾图数据集；所述人工合成的雾图数据集包括一张清晰图像以及多张由该清晰图像人工合成的合成雾图；所述天然雾图数据集包括多张真实雾天图像； 构建卷积网络模型；所述卷积网络模型包括编码器、解码器、元学习单元以及辅助学习单元； 利用卷积网络模型对所述合成雾图以及所述真实雾天图像进行特征提取，得到图像特征数据；所述图像特征数据包括第一图像特征数据以及第二图像特征数据； 利用所述图像特征数据以及所述清晰图像对所述卷积网络模型进行优化，得到优化后的卷积网络模型； 所述利用所述图像特征数据以及所述清晰图像对所述卷积网络模型进行优化，得到优化后的卷积网络模型，具体包括： 利用所述第一图像特征数据和所述清晰图像对卷积网络模型的元学习单元进行优化，得到优化后的元学习单元； 利用所述第二图像特征数据对卷积网络模型的辅助学习单元进行优化，得到优化后的辅助学习单元； 根据所述优化后的元学习单元以及所述优化后的辅助学习单元，确定优化后的卷积网络； 所述利用所述第一图像特征数据和所述清晰图像对卷积网络模型的元学习单元进行优化，得到优化后的元学习单元，具体包括： 将所述第一图像特征数据输入到卷积网络模型的元学习单元中，生成第一伪无雾图； 根据所述清晰图像和所述第一伪无雾图，计算元学习单元的损失函数； 根据所述元学习单元的损失函数利用反向传播算法优化所述元学习单元，得到优化后的元学习单元； 所述利用所述第二图像特征数据对卷积网络模型的辅助学习单元进行优化，得到优化后的辅助学习单元，具体包括： 将所述第二图像特征数据输入到卷积网络模型的辅助学习单元中，得到第三图像特征数据； 根据所述第三图像特征数据以及所述第一伪无雾图，得到第四图像特征数据； 根据所述第四图像特征数据，确定第二伪无雾图； 将所述第二伪无雾图输入到辅助学习单元的判别器网络中，计算辅助学习单元的损失函数； 根据所述辅助学习单元的损失函数利用反向传播算法优化所述辅助学习单元，得到优化后的辅助学习单元； 利用所述优化后的卷积网络模型对待测雾图进行去雾处理。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200号南京理工大学；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”。