買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜福州大學申請的專利基于反向去雨過程引導的圖像雨滴去除方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116402720B 。

龍圖騰網通過國家知識產權局官網在2025-05-13發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310396874.2，技術領域涉及：G06T5/73；該發明授權基于反向去雨過程引導的圖像雨滴去除方法是由陳羽中;林閩滬;牛玉貞設計研發完成，并于2023-04-14向國家知識產權局提交的專利申請。

本基于反向去雨過程引導的圖像雨滴去除方法在說明書摘要公布了：本發明涉及一種基于反向去雨過程引導的圖像雨滴去除方法。包括以下步驟：步驟S1、進行數據預處理，包括數據配對、數據隨機裁切、數據增強處理，得到訓練數據集；步驟S2、設計多重注意力模塊，采用像素注意力、通道注意力和空間注意力提取圖像特征；步驟S3、設計基于多重注意力模塊的U形編碼器解碼器網絡，用于提取圖像不同尺度下的特征；步驟S4、設計圖像特征融合模塊，該模塊融合圖像特征和原始圖像，得到融合后的恢復圖像；步驟S5、設計正向雨滴去除網絡和反向雨滴去除網絡，利用反向雨滴去除網絡引導訓練正向雨滴去除網絡；步驟S6、將附著雨滴圖像輸入訓練好的正向雨滴去除網絡，輸出去除雨滴的干凈圖像。

本發明授權基于反向去雨過程引導的圖像雨滴去除方法在權利要求書中公布了：1.一種基于反向去雨過程引導的圖像雨滴去除方法，其特征在于，包括如下步驟：步驟S1、進行數據預處理，包括數據配對、數據隨機裁切、數據增強處理，得到訓練數據集；步驟S2、設計多重注意力模塊，采用像素注意力、通道注意力和空間注意力提取圖像特征；步驟S3、設計基于多重注意力模塊的U形編碼器解碼器網絡，用于提取圖像不同尺度下的特征；步驟S4、設計圖像特征融合模塊，該模塊融合圖像特征和原始圖像，得到融合后的恢復圖像；步驟S5、設計正向雨滴去除網絡和反向雨滴去除網絡，利用反向雨滴去除網絡引導訓練正向雨滴去除網絡；步驟S6、將附著雨滴圖像輸入訓練好的基于反向去雨過程引導的正向雨滴去除網絡，輸出去除雨滴的干凈圖像；所述步驟S3具體實現如下：步驟S31、設計淺層特征提取模塊，輸入為一幅圖像I，I經過3×3卷積、PReLU激活函數和3×3卷積得到淺層特征Fshallow，具體公式表示如下：Fshallow＝Conv3×3PReLUConv3×3Irain其中，Conv3×3表示3×3卷積層，PReLU·表示激活函數；步驟S32、設計基于多重注意力模塊的U形編碼器解碼器網絡中的編碼器，包括三個多重注意力模塊；編碼器的輸入為步驟S31中的淺層特征Fshallow，Fshallow經過多重注意力模塊得到編碼特征E1，E1經過下采樣和多重注意力模塊得到編碼特征E2，E2經過下采樣和多重注意力模塊得到編碼特征E3，具體公式表示如下：E1＝MAFshallowE2＝MADownSampleE1E3＝MADownSampleE2其中，MA表示多重注意力模塊，DownSample表示圖像下采樣；步驟S33、設計基于多重注意力模塊的U形編碼器解碼器網絡中的解碼器，包括三個多重注意力模塊；解碼器的輸入為步驟S32中的編碼特征E3，E3經過多重注意力模塊得到解碼特征D3，D3經過上采樣再和編碼特征E2相加，再通過多重注意力模塊得到解碼特征D2，D2經過上采樣再和編碼特征E1相加，再通過多重注意力模塊得到解碼特征D1，具體公式表示如下：D3＝MAE3D2＝MAUpSampleD3+E2D1＝MAUpSampleD2+E1其中，MA表示多重注意力模塊，UpSample表示圖像上采樣；所述步驟S5具體實現如下：步驟S51、設計正向雨滴去除網絡，該網絡由一個淺層特征提取模塊、一個基于多重注意力模塊的U形編碼器解碼器網絡中的編碼器和解碼器、一個圖像特征融合模塊組成；網絡的輸入為附著雨滴圖像Irain，Irain經過步驟S31中的淺層特征提取模塊得到經過步驟S32和步驟S33的基于多重注意力模塊的U形編碼器解碼器網絡中的編碼器和解碼器得到編碼特征和解碼特征和Irain經過圖像特征融合模塊得到去雨圖像Iderain，具體公式表示如下： 其中，ShallowBlock表示淺層特征提取模塊，Encoder表示編碼器，Decoder表示解碼器，FusionBlock表示圖像特征融合模塊；步驟S52、設計反向雨滴去除網絡，該網絡由一個淺層特征提取模塊、一個基于多重注意力模塊的U形編碼器解碼器網絡中的編碼器和解碼器、一個圖像特征融合模塊組成，該網絡的編碼器和解碼器接收步驟S51中編碼特征和解碼特征作為該網絡的輸入特征；與步驟S51中附著雨滴圖像Irain對應的干凈圖像Iclean作為輸入圖像，Iclean經過步驟S31中的淺層特征提取模塊得到加上再經過多重注意力模塊得到編碼特征經過下采樣加上經過多重注意力模塊得到編碼特征經過下采樣加上經過多重注意力模塊得到編碼特征加上經過多重注意力模塊得到解碼特征經過上采樣和編碼特征相加，再通過多重注意力模塊得到解碼特征經過上采樣和編碼特征相加，再通過多重注意力模塊得到解碼特征和Iclean經過圖像特征融合模塊得到恢復的附著雨滴圖像Ire-rain，具體公式表示如下： 其中，ShallowBlock表示淺層特征提取模塊，MA表示多重注意力模塊，DownSample表示圖像下采樣，UpSample表示圖像上采樣，FusionBlock表示圖像特征融合模塊；步驟S53、設計損失函數，并利用反向去雨過程引導正向去雨網絡訓練；從步驟S1中的訓練數據集中隨機抽取一張附著雨滴圖像Irain和其對應的干凈圖像Iclean，Irain經過正向去雨網絡得到去雨Iderain，Iclean經過反向去雨網絡得到加雨圖像Ire-rain，計算如下損失，并利用Adam優化器更新網絡參數，直至損失收斂；具體損失函數公式表示如下：L＝Lforward+Lreverse 其中Lforward為正向去雨網絡損失，Lreverse為反向去雨網絡損失，PSNR為峰值信噪比度量，SSIM為結構相似性度量。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人福州大學，其通訊地址為：350108 福建省福州市閩侯縣福州大學城烏龍江北大道2號福州大學；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。