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！

龙图腾网获悉天津大学申请的专利一种基于不确定性驱动的弱监督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：CN119313588B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202411475263.8，技术领域涉及：G06T5/73；该发明授权一种基于不确定性驱动的弱监督去雾方法是由胡清华;王金斌;杨爱萍;刘羽朦设计研发完成，并于2024-10-22向国家知识产权局提交的专利申请。

本一种基于不确定性驱动的弱监督去雾方法在说明书摘要公布了：本发明公开一种基于不确定性驱动的弱监督去雾方法，包括采用U‑Net架构的弱监督去雾网络，弱监督去雾网络包括区域动态注意力模块RDAM、下采样层、多尺度特征融合模块MSFFM、上采样层；RDAM用于对输入图像或者前一层RDAM的输出进行处理，构造动态卷积层并通过动态卷积层得到区域动态注意力特征图；下采样层用于对RDAM的输出进行下采样，减少空间分辨率；MSFFM用于通过窗口多头自注意力机制处理输入特征，以捕获像素之间的长距离依赖关系，并进行多尺度特征提取和融合；上采样层用于将MSFFM输出的特征图恢复到上一层MSFFM输出特征图的分辨率，并与其进行特征拼接；经过上采样后的特征图依次通过一个3x3卷积层、ReLU激活函数和1x1卷积层，最终输出去雾后的图像。

本发明授权一种基于不确定性驱动的弱监督去雾方法在权利要求书中公布了：1.一种基于不确定性驱动的弱监督去雾方法，其特征在于，包括采用U-Net架构的弱监督去雾网络，弱监督去雾网络由区域动态注意力模块RDAM、下采样层、多尺度特征融合模块MSFFM、上采样层以及3x3卷积层、Relu激活函数和1x1卷积层组成；其中： 区域动态注意力模块RDAM，用于对输入图像及前一层RDAM的输出进行处理；并利用空间注意力特征构造动态卷积层；区域动态注意力模块RDAM采用两个并行的卷积路径分别计算通道注意力和像素注意力，然后使用可学习的参数将这两个注意力加权融合，以得到通道-像素协同注意力特征图，经过动态卷积层得到区域动态注意力特征图； 下采样层，用于对上一层区域动态注意力模块RDAM的输出进行下采样，减少空间分辨率得到下一层区域动态注意力模块RDAM的输入； 多尺度特征融合模块MSFFM，用于通过窗口多头自注意力机制处理输入到多尺度特征融合模块MSFFM的特征，以捕获像素之间的长距离依赖关系，获得窗口多头自注意力特征；多尺度特征融合模块MSFFM对窗口多头自注意力特征图进行反卷积和平均池化操作，以实现若干层次的信息提取和融合；该模块还引入并行空洞卷积以增强局部和全局信息的融合效果； 上采样层用于将多尺度特征融合模块MSFFM输出的特征图恢复到上一层多尺度特征融合模块MSFFM输出特征图的分辨率，并与上一层多尺度特征融合模块MSFFM输出特征图进行特征拼接；最后通过一个3x3卷积层，一个Relu激活函数和一个1x1卷积层输出去雾后的图像； 设置有基于异方差不确定性的无监督损失函数，包括对比度损失、边缘保留损失和饱和度损失，使弱监督去雾网络在去雾过程中能够根据区域不确定性自适应地校正对比度、增强边缘并改善饱和度。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。