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！

龙图腾网获悉华南农业大学申请的专利一种融合频率和内容特征的单幅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：CN115546046B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202211046988.6，技术领域涉及：G06T5/60；该发明授权一种融合频率和内容特征的单幅图像去雾方法是由王美华;廖磊;徐嘉杰设计研发完成，并于2022-08-30向国家知识产权局提交的专利申请。

本一种融合频率和内容特征的单幅图像去雾方法在说明书摘要公布了：本发明涉及一种融合频率和内容特征的单幅图像去雾方法，包括：首先将输入图像进行批归一化处理，然后输入到包含频率流和内容流的双流网络；频率流使用倍频卷积提取图像高低频特征，并加入了基于Transformer的高低频双重自注意力机制；内容流为残差嵌套结构提取图像内容特征，并加入了残差通道注意力机制；针对去雾过程中算法导致的图像结构信息和细节高频信息被抹除问题，提出使用倍频卷积准确的提取频率特征，并与内容特征有效结合最终得到去雾图像。本发明针对单幅有雾图像进行去雾都能得到更高质量的去雾图像。本发明结合了倍频卷积、残差通道注意力机制和双重自注意力机制，可更好提高网络去雾性能。

本发明授权一种融合频率和内容特征的单幅图像去雾方法在权利要求书中公布了：1.一种融合频率和内容特征的单幅图像去雾方法，其特征在于，包括以下步骤： S1、构建一个包含频率流和内容流的双流神经网络架构，其中，所述的频率流为由倍频卷积和残差通道注意力块构成的编-解码器架构，使用卷积进行下采样操作，使用反卷积作为上采样操作，使用双重自注意力机制相加融合编码器和解码器路径特征； 所述的内容流为包括三个残差组的残差嵌套结构，每个残差组由三个残差通道注意力块组成，每个残差通道注意力块使用深度可分离卷积层、通道注意力特征融合层和残差连接构成； S2、对有雾图像和对应的无雾图像标签对进行格式化处理，并基于网络框架训练去雾网络中的权重参数； S3、将训练完成的网络参数提取并装载到步骤S1构建的双流神经网络架构中，以提取图像特征、计算特征间相互关系，并调整数据分布，从而保证网络的去雾能力； S4、将有雾图像输入步骤S3的双流神经网络架构中进行测试，分别输出得到和； 其中，为最终对应去雾图像输出，和分别为频率流和内容流输出的中间去雾图像； 对于测试图像的处理，具体包括如下步骤： S411、给定有雾测试图像，以及已经装载训练完成的权重去雾网络，首先将有雾测试图像Xhazy进行输入规范化到0-1数值范围； S412、将输入规范化后的图像经过卷积层进行浅层特征提取，然后分别通过频率流和内容流提取双特征流，在频率流辅以倍频卷积、双重自注意力机制提取频率特征，内容流中辅以残差通道注意力提取内容特征，完成特征提取、增强显著特征后，将两特征流融合最终得到去雾图像； 步骤S1中，所述的频率流中使用倍频卷积提取高低频特征；所述的倍频卷积将普通的特征图按通道进行划分，分别提取高低频特征；其中，高频特征包含纹理边缘细节特征，低频特征包含整体结构，其存在冗余；因此，低频特征经过下采样，分辨率变为高频特征的一半；倍频卷积具体表达为： ； 式中，表示倍频卷积输出的高频特征，表示倍频卷积输出的低频特征，和分别表示输入高频特征到输出高频特征的映射和输入低频特征到输出高频特征的映射，和分别表示输入低频特征到输出低频特征的映射和输入高频特征到输出低频特征的映射；其具体表达式如下： ； ； ； ； 式中，表示倍频卷积输入的高频特征，表示倍频卷积输入的低频特征，表示高频到高频的映射，表示低频到低频的映射，表示采样因子为2的上采样操作，表示步长为2的池化操作。

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华南农业大学，其通讯地址为：510642 广东省广州市天河区五山路483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。