買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉青島農(nóng)業(yè)大學(xué)申請的專利一種基于多特征注意力機(jī)制的圖像去霧方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119887575B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510054961.9，技術(shù)領(lǐng)域涉及：G06T5/70；該發(fā)明授權(quán)一種基于多特征注意力機(jī)制的圖像去霧方法是由張琴;呂文羽設(shè)計(jì)研發(fā)完成，并于2025-01-14向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本一種基于多特征注意力機(jī)制的圖像去霧方法在說明書摘要公布了：本發(fā)明公開一種基于多特征注意力機(jī)制的圖像去霧方法，涉及圖像去霧技術(shù)領(lǐng)域。在U?Net基礎(chǔ)上整合多特征注意力模塊，綜合不同尺度特征信息并融合淺層與深層特征，提升特征表達(dá)能力，尤其在保留邊緣信息方面表現(xiàn)出色。引入跳躍連接緩解梯度消失問題。多特征注意力模塊可統(tǒng)一不同層級特征分辨率，采用最大池化算法保留邊緣細(xì)節(jié)。其由通道注意力模塊、像素注意力模塊和跳躍連接組成，通道注意力評判通道重要性加權(quán)處理，像素注意力聚焦像素特征分配權(quán)重。本發(fā)明克服傳統(tǒng)去霧技術(shù)局限，利用深度學(xué)習(xí)優(yōu)勢，提高處理效率與圖像質(zhì)量，適用于復(fù)雜環(huán)境有霧圖像，有效減少特征信息丟失，提高圖像處理準(zhǔn)確性與細(xì)節(jié)恢復(fù)效果。

本發(fā)明授權(quán)一種基于多特征注意力機(jī)制的圖像去霧方法在權(quán)利要求書中公布了：1.一種基于多特征注意力機(jī)制的圖像去霧方法，其特征在于，在U-Net模型的基礎(chǔ)上進(jìn)行擴(kuò)展，整合多特征注意力模塊，包括以下步驟： S1.1、輸入的圖像經(jīng)過初始特征提取層提取特征，得到殘差塊，通過跳躍連接保存所述殘差塊和所述特征提取層； S1.2、將得到的所述殘差塊通過卷積操作進(jìn)行下采樣，得到下采樣層，然后對所述下采樣層進(jìn)行特征提取，得到特征提取層，通過所述跳躍連接保存所述特征提取層； S1.3、通過特征注意力模塊對所述特征提取層進(jìn)行特征提取，同時(shí)整合跳躍連接中保存的所述殘差塊，得到深層所述殘差塊，通過所述跳躍連接保存所述殘差塊； S1.4、重復(fù)步驟S1.2和步驟S1.3n次，直至生成最深層特征提取層； S1.5、通過所述特征注意力模塊對最深層所述特征提取層提取特征，得到上采樣層； S1.6、對所述上采樣層提取特征得到殘差注意力層，通過多特征注意力模塊對所述跳躍連接中保存的所述特征提取層進(jìn)行整合，并將整合結(jié)果與所述殘差注意力層拼接，生成上層的所述上采樣層； S1.7、重復(fù)步驟S1.6n-1次，直至生成最上層所述上采樣層，對最上層所述上采樣層提取特征得到最上層殘差注意力層，通過多特征注意力模塊對所述跳躍連接中保存的所述特征提取層進(jìn)行整合，并將整合結(jié)果與最上層所述殘差注意力層拼接，得到特征輸出層，最終獲得去霧的輸出圖像。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人青島農(nóng)業(yè)大學(xué)，其通訊地址為：266109 山東省青島市城陽區(qū)長城路700號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。