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！

龙图腾网恭喜苏州加乘科技有限公司申请的专利一种基于对抗网络和多尺度密集特征融合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：CN112950498B 。

龙图腾网通过国家知识产权局官网在2025-02-18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：202110209279.4，技术领域涉及：G06T5/73；该发明授权一种基于对抗网络和多尺度密集特征融合图像去雾方法是由万超颖设计研发完成，并于2021-02-24向国家知识产权局提交的专利申请。

本一种基于对抗网络和多尺度密集特征融合图像去雾方法在说明书摘要公布了：本发明公开了一种基于对抗网络和多尺度密集特征融合图像去雾方法，属于图像处理技术领域，该去雾方法具体步骤如下：1构建用于图像去雾条件对抗生成网络；2使用公开图像去雾数据集训练该网络至收敛；3将训练好的生成器网络作为图像去雾网络，输入为有雾图像，输出为去雾后的图像；本发明在生成器网络中引入残差密集块和基于反投影技术的密集特征融合模块，并利用其分别进行局部特征融合和多尺度密集特征融合，通过有效的融合不同层次的特征来逐步得到更清晰的图像；从而有利于使图像去雾更加自然，并且有利于消除噪声。

本发明授权一种基于对抗网络和多尺度密集特征融合图像去雾方法在权利要求书中公布了：1.一种基于对抗网络和多尺度密集特征融合图像去雾方法，其特征在于，该去雾方法具体步骤如下：1构建用于图像去雾条件对抗生成网络；2使用公开图像去雾数据集训练该网络至收敛；3将训练好的生成器网络作为图像去雾网络，输入为有雾图像，输出为去雾后的图像；所述条件对抗生成网络包括生成器网络、判别器网络和总体目标函数；所述生成器网络的结构设计基于U-Net结构，其包括编码模块、解码模块和特征恢复模块三部分组成，所述编码模块设置有编码器，且集成有残差密集块RDB模块和基于反投影技术的DFF模块，所述解码模块设置有解码器；所述生成器网络具体运行过程如下：S1：将网络的输入设置为；S2：将有雾图像送入编码器部分，经过卷积操作，将图像下采样作为特征图；S3：在每个下采样阶段均将特征图送入1个残差密集块RDB模块进行局部密集特征提取与局部特征融合，再把融合后的特征图通过一个步长为2的卷积层进行下采样操作，然后将下采样后的特征图送入到DFF模块，弥补缺失的空间信息；S4：每一个阶段特征图的数量增加一倍，经过4次降采样后的特征图送入特征恢复模块；S5：将特征恢复模块增强过的特征图经4次反卷积上采样到原始输入大小；S6：每次上采样后将输出与来自编码器对应层的潜在特征相连接，然后一起输入到残差密集块RDB模块进行特征细化；S7：再将细化后的特征输入DFF模块进行自适应特征融合；所述判别器网络的结构采用PatchGAN，其输出的是一个N*N的矩阵；所述特征恢复模块包含8个残差密集块RDB模块，且每个残差密集块RDB模块包括密集的连接层、局部特征融合和局部残差学习，其具体运行过程如下：SS1：通过连续内存机制读取前一个RDB模块的状态然后传递到当前RDB模块的每一层，同时通过局部密集连接充分利用其中的所有层；SS2：通过一个1*1的卷积层进行局部特征融合，以自适应的保留积累特征；SS3：通过局部残差学习进一步改善信息流，提高网络的表示能力。

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苏州加乘科技有限公司，其通讯地址为：215000 江苏省苏州市工业园区金鸡湖大道1355号国际科技园二期D202-1单元；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”。