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！

龙图腾网恭喜南京大学申请的专利一种生成数据集网络模型及雾图生成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：CN114494387B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202210088025.6，技术领域涉及：G06T7/55；该发明授权一种生成数据集网络模型及雾图生成方法是由王中风;陈思依;王美琪设计研发完成，并于2022-01-25向国家知识产权局提交的专利申请。

本一种生成数据集网络模型及雾图生成方法在说明书摘要公布了：本申请涉及图像处理技术领域，尤其涉及一种生成数据集网络模型及雾图生成方法包括：图像编码模块、耦合生成对抗网络模块、对抗判别模块和合成模块；图像编码模块包括干净图数据集输入端口及雾图数据集输入端口，耦合生成对抗网络模块包括第一生成单元及第二生成单元，对抗判别模块包括第一判别器及第二判别器；第一生成单元包括第一编码器、共享潜在图像域和第一解码器，第二生成单元包括第二编码器、共享潜在图像域和第二解码器。在实际应用过程中，本申请提出了基于耦合生成对抗网络的神经网络框架，通过网络迭代训练过程中采用半监督学习策略和特定的组合损失函数，使得网络生成的图像能够学习到真实图像的深度信息，使得图像更具真实性。

本发明授权一种生成数据集网络模型及雾图生成方法在权利要求书中公布了：1.一种生成数据集网络模型，其特征在于，包括：图像编码模块、耦合生成对抗网络模块、对抗判别模块和合成模块；所述图像编码模块包括干净图数据集输入端口及雾图数据集输入端口，所述耦合生成对抗网络模块包括第一生成单元及第二生成单元，所述对抗判别模块包括第一判别器及第二判别器；所述第一生成单元包括第一编码器、共享潜在图像域和第一解码器，所述第二生成单元包括第二编码器、所述共享潜在图像域和第二解码器；所述干净图数据集输入端口用于读取干净图数据集，所述第一编码器用于将干净图数据集进行特征的提取，所述共享潜在图像域用于存储提取后的特征，所述第一解码器用于读取所述共享潜在图像域存储的特征并将特征输送至所述第一判别器，所述第一判别器用于将特征提取后的干净图数据集进行重建；所述雾图数据集输入端口用于读取雾图数据集，所述第二编码器用于将雾图数据集进行特征的提取，所述共享潜在图像域用于存储提取后的特征，所述第二解码器用于读取所述共享潜在图像域存储的特征并将特征输送至所述第二判别器，所述第二判别器用于将特征提取后的雾图数据集进行重建；所述合成模块将重建后的干净图数据集和重建后的雾图数据集结合成合成雾图；所述生成数据集网络模型通过以下损失函数进行优化：耦合生成对抗损失函数、重建损失函数、感知损失函数、L1损失函数和总变分损失函数；所述耦合生成对抗损失函数，具体为：L生成＝LGANDh,Jh,GhIc+LGANDc,Jc,GcIh；其中，L生成为耦合生成对抗损失函数，LGAN为经典生成对抗损失模型函数，Dh为判别干净图像域，Jh为网络输入的原始真实的干净图像数据集，Gh基于潜在特征分布生成的干净图像数据集，Ic为随机噪声分布的雾图像域，Dc为判别雾图像域，Jc为网络输入的原始真实的雾图像数据集，Gc为基于潜在特征分布生成的雾图像数据集，Ih为随机噪声分布的干净图像数据集；所述经典生成对抗损失模型函数，具体为：LGAN＝PJ[logDJ]+PI[log1-DGenI]；其中，LGAN为经典生成对抗损失模型函数，PJ为网络输入的原始真实的图像数据集的分布函数的期望值，D为判别网络，J为网络输入的原始真实的图像数据集，PI为随机噪声分布的分布函数的期望值，GenI为基于随机噪声生成的样本；所述重建损失函数，具体为：L重建＝||GCECJC-JC||+||GhEhJh-Jh||；其中，L重建为重建损失函数，GC为生成网络基于特征对雾图图像进行生成，EC为对雾图图像进行编码，JC为网络输入原始真实的雾图图像，Gh为生成网络基于特征对干净图图像进行生成，Eh为对干净图图像进行编码，Jh为网络输入原始真实的干净图图像；所述感知损失函数，具体为： 其中，Lp为感知损失函数，为卷积神经网络VGG16中提取出的网络生成图像和原始对照图像的特征，GC为生成网络基于特征对雾图图像进行生成，Ic为随机噪声分布的雾图像域，Jh为网络输入的原始真实的干净图像数据集，Gh为生成网络基于特征对干净图图像进行生成，Ih为随机噪声分布的干净图像数据集，JC为网络输入原始真实的雾图图像；所述L1损失函数，具体为：L1＝||GcIc-Jh||±||GhIh-Jc||；其中，L1为L1损失函数，GC为生成网络基于特征对雾图图像进行生成，Ic为随机噪声分布的雾图像域，Jh为网络输入的原始真实的干净图像数据集，Gh为生成网络基于特征对干净图图像进行生成，Ih为随机噪声分布的干净图像数据集，JC为网络输入原始真实的雾图图像；所述总变分损失函数，具体为： 其中，L变分为总变分损失函数，表示水平的梯度差，表示垂直的梯度差，GC为生成网络基于特征对雾图图像进行生成，Ic为随机噪声分布的雾图像域。

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大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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”。