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！

龙图腾网恭喜齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利一种无监督医学视频去烟雾方法及程序产品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：CN119205572B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202411697374.3，技术领域涉及：G06T5/73；该发明授权一种无监督医学视频去烟雾方法及程序产品是由顾树俊;刘自遥;傅科学;高龙翔;曲悠扬;崔磊;庞为光设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本一种无监督医学视频去烟雾方法及程序产品在说明书摘要公布了：本发明属于图像的增强或复原技术领域，更具体地，涉及一种无监督医学视频去烟雾方法及程序产品，所述方法包括：首先，对数据进行预处理；其次，将数据输入烟雾检测器区分有雾帧图像和无雾帧图像；然后，搭建循环生成对抗网络CycleGAN模型框架，利用一组未配对的无雾视频和有雾视频结合损失函数进行模型训练，得到训练后的循环生成对抗网络CycleGAN模型；最后，使用循环生成对抗网络CycleGAN模型将视频中的有雾帧图像生成无雾帧图像。本发明解决了统一处理会严重影响处理效率和无雾图像质量以及在医学手术过程中存在的可能产生烟雾遮挡视野，影响手术顺利进行和数据集难以获取的问题。

本发明授权一种无监督医学视频去烟雾方法及程序产品在权利要求书中公布了：1.一种无监督医学视频去烟雾方法，其特征在于，所述方法包括如下步骤：S1、对医学视频数据集的数据预处理；S2、将预处理后的数据输入烟雾检测器区分有雾图像和无雾图像；S3、搭建循环生成对抗网络CycleGAN模型框架，利用一组未配对的无雾视频和有雾视频结合损失函数进行模型训练，得到训练后的循环生成对抗网络CycleGAN模型；所述模型包括生成器G、生成器F、鉴别器：生成器G用于将有雾图像转换为无雾图像；生成器F用于将无雾图像转换为有雾图像；所述鉴别器包括鉴别器Dx和鉴别器Dy，鉴别器Dx用于区分真实的无雾图像和生成的无雾图像，鉴别器Dy用于区分真实的有雾图像和生成的有雾图像；在训练过程中使用的损失函数是基于对抗损失、循环一致性损失、烟雾浓度系数监督损失和时间损失计算得到的总损失函数，具体如下：所述对抗损失有两组，分别是生成器G和鉴别器Dx的对抗损失以及生成器F和鉴别器Dy的对抗损失；所述生成器G和鉴别器Dx的对抗损失使生成的无雾图像看起来像真实的无雾图像，公式如下： （1） （2）式（1）（2）中，表示鉴别器Dx的对抗损失，表示生成器G的对抗损失，表示各自误差的平均值，是判断无雾图像真假的判别器，Y是真实无雾图像，X是真实有雾图像，GX是生成的无雾图像；所述生成器F和鉴别器Dy的对抗损失公式如下： （3） （4）式（3）（4）中，表示鉴别器Dy的对抗损失，表示生成器F的对抗损失，表示各自误差的平均值，是判断有雾图像真假的鉴别器，是生成的有雾图像；所述循环一致性损失公式如下： （5）式（5）中，表示循环一致性损失，X表示真实有雾图像，Y表示真实无雾图像，G表示生成器G，F表示生成器F；所述烟雾浓度系数监督损失公式为： （6）式（6）中，表示生雾模块中随机采样获得的烟雾浓度系数，表示去雾模块中预测的烟雾浓度系数；所述时间损失公式为： （7）式（7）中，下标t+1表示通过自我运动合成方式生成的下一帧有雾或无雾图像，和表示保证在生成下一帧过程中不超过像素边界的像素掩码；所述总损失函数公式为： （8）式（8）中，、和是用于平衡各个损失项的重要性权重；S4、使用循环生成对抗网络CycleGAN模型将视频中的有雾图像生成无雾图像。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)，其通讯地址为：250000 山东省济南市长清区西部新城大学科技园；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”。