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！

龙图腾网恭喜深圳深知未来智能有限公司申请的专利一种基于远近景分割融合的图像去雾方法及系统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：CN118982487B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202411464630.4，技术领域涉及：G06T5/73；该发明授权一种基于远近景分割融合的图像去雾方法及系统是由吕依静;林景洲;郭奇锋;张齐宁设计研发完成，并于2024-10-21向国家知识产权局提交的专利申请。

本一种基于远近景分割融合的图像去雾方法及系统在说明书摘要公布了：本发明公开了一种基于远近景分割融合的图像去雾方法及系统，应用于图像处理技术领域，包括：基于图割法对待去雾图像进行远近景分割，并利用基于卷积神经网络的雾浓度等级分类模型对分割出的远景图像进行预测，通过基于交叉熵损失和余弦相似度损失的方式计算分类模型训练损失；构建基于融合注意力机制的残差网络去雾模型，并利用L1损失、颜色损失以及感知损失加权融合的方式计算去雾模型训练损失，分别通过不同损失权重下训练得到的去雾模型对不同分类预测结果下的远景图像进行去雾操作；将去雾操作后的远景图像与近景图像拼接，并利用高斯滤波对分割边缘像素点进行融合过渡，通过自适应对比度调节完成图像去雾。本发明有效提高了图像去雾精度。

本发明授权一种基于远近景分割融合的图像去雾方法及系统在权利要求书中公布了：1.一种基于远近景分割融合的图像去雾方法，其特征在于，包括：步骤1：基于图割法对待去雾图像进行远近景分割，并利用基于卷积神经网络的雾浓度等级分类模型对分割出的远景图像进行分类预测，通过基于交叉熵损失和余弦相似度损失的方式计算分类模型训练损失；步骤2：构建基于融合注意力机制的残差网络去雾模型，并利用L1损失、颜色损失以及感知损失加权融合的方式计算去雾模型训练损失，分别通过不同损失权重下训练得到的去雾模型对不同雾浓度等级分类预测结果下的远景图像进行去雾操作；步骤3：将去雾操作后的远景图像与近景图像进行拼接，并利用高斯滤波对分割边缘像素点进行融合过渡，通过自适应对比度调节后完成图像去雾；步骤1中，基于图割法对待去雾图像进行远近景分割，具体为：建立一个无向图G＝V；E，表示要分割的图像；V和E分别为顶点和边的集合；图像中的每一个像素都是V中的顶点，设为普通顶点，且相邻的普通顶点用边相连；除所述普通顶点外，图像中还有两个顶点，分别用a和b表示，设为终端顶点，所有普通顶点均分别与两个终端顶点相连，形成边集合E中的一部分；所述无向图有两种顶点和两种边；将s表示为远景，t表示为近景；图像中的每一条边都有一个非负的权值We，设为代价；按边集合E中的边，将普通顶点划分为两个不相交的子集S和T，S为与s相连的顶点，T为与t相连的顶点，且S和T中的子集不相连；使边子集的权重加和最小，以完成最优的远近景分割，具体为：当分割为C时，代价函数表示，如下：LC＝λRC+BC；其中，λ为超参数；RC为区域项；BC为边界项；区域项RC，如下： Rplp＝-lnPrvp|lp；其中，Rplp为给像素p分配标签lp的损失，lp∈{s，t}；vp为像素p的灰度值；边界项BC，如下： 其中，p和q为相邻像素点；N为所有成对的相邻像素点的集合；δlp，lq为示性函数，相邻像素点标签不一样时函数值为1，其他时候为0；lq为给像素q分配的标签，lq∈{s，t}；vq为像素q的灰度值；σ为超参数；dist·为距离函数；所述使边子集的权重加和最小为使所述代价函数的代价最小。

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深圳深知未来智能有限公司，其通讯地址为：518101 广东省深圳市宝安区新安街道大浪社区大宝路51号政华第一科技工业城一栋402；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”。