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！

龙图腾网获悉江南大学申请的专利一种基于无监督框架的图像去雾方法以及辅助驾驶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：CN116362999B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202310186914.0，技术领域涉及：G06T5/70；该发明授权一种基于无监督框架的图像去雾方法以及辅助驾驶系统是由于宏斌;宋威;郝经硕;石睿;武雨晴;胡瑞;蔡昱鹏设计研发完成，并于2023-03-01向国家知识产权局提交的专利申请。

本一种基于无监督框架的图像去雾方法以及辅助驾驶系统在说明书摘要公布了：本申请公开了一种基于无监督框架的图像去雾方法以及辅助驾驶系统，涉及交通技术领域，该方法使用正则化的循环生成对抗网络的网络框架，并通过对抗损失、循环一致性损失、身份损失和颜色重建损失实现了全新的综合损失函数的计算方法，从而可以在不依赖真实的带雾图像的情况下充分利用真实的带雾图像中的模糊样本，以循环一致的方法，端对端的直接生成无雾图像，且利于提高对真实的带雾图像泛化能力。基于去雾方法的辅助驾驶系统可以对采集到的车辆所在环境的带雾的原始环境图像进行图像去雾处理，然后通过安装在车辆的挡风玻璃上的柔性透明显示屏显示无雾环境图像，从而可以更准确的给驾驶员展示车辆所在环境，实现辅助驾驶。

本发明授权一种基于无监督框架的图像去雾方法以及辅助驾驶系统在权利要求书中公布了：1.一种基于无监督框架的图像去雾方法，其特征在于，所述方法包括： 搭建包含第一循环网络和第二循环网络的图像去雾模型的模型框架，生成器、生成器和鉴别器构成的所述第一循环网络是无雾图像的循环生成对抗网络，生成器、生成器和鉴别器构成的所述第二循环网络是带雾图像的循环生成对抗网络，各个生成器的结构相同； 基于所述图像去雾模型的模型框架、利用样本数据集按照综合损失函数进行模型训练得到训练后的图像去雾模型，所述样本数据集中的样本无雾图像输入所述第一循环网络后，生成器将样本无雾图像映射为带雾图像，生成器将带雾图像映射为重构后的样本无雾图像并更新所述样本数据集；所述样本数据集中的样本带雾图像输入所述第二循环网络后，生成器将样本带雾图像映射为无雾图像，生成器将无雾图像映射为重构后的样本带雾图像并更新所述样本数据集，鉴别器和鉴别器用于对所述图像去雾模型处理的图像进行鉴别； 利用训练后得到的图像去雾模型对待处理的带雾图像进行图像去雾处理，得到对应的无雾图像； 其中，所述综合损失函数基于对抗损失、循环一致性损失、身份损失和颜色重建损失计算得到，对抗损失用于表征生成器的输出图像的数据分布与目标数据分布的偏差，循环一致性损失用于表征循环网络的输出图像与输入图像的偏差，身份损失用于表征生成器的输出图像与输入图像的语义内容偏差，颜色重建损失用于表征生成器的输出图像与输入图像之间的视觉效果偏差； 颜色重建损失基于输入所述第一循环网络中的生成器的样本无雾图像、所述第一循环网络中的生成器输出的带雾图像、输入所述第二循环网络中的生成器的样本带雾图像、所述第二循环网络中的生成器输出的无雾图像在LAB色彩空间的三个通道的颜色分量计算得到；颜色重建损失的计算方法为： ； 其中，表示计算带雾图像在LAB色彩空间中的L通道分量与样本带雾图像在LAB色彩空间中的L通道分量的L1损失；表示计算带雾图像在LAB色彩空间中的A通道分量与样本带雾图像在LAB色彩空间中的A通道分量的Huber损失；表示计算带雾图像在LAB色彩空间中的B通道分量与样本带雾图像在LAB色彩空间中的、B通道分量的Huber损失； 表示计算带雾图像在LAB色彩空间中的L通道分量与样本无雾图像在LAB色彩空间中的L通道分量的L1损失；表示计算带雾图像在LAB色彩空间中的A通道分量与样本无雾图像在LAB色彩空间中的A通道分量的Huber损失；表示计算带雾图像在LAB色彩空间中的B通道分量与样本无雾图像在LAB色彩空间中的B通道分量的Huber损失； 表示计算所有样本带雾图像的的数学期望，表示计算所有样本无雾图像的的数学期望。

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江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800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”。

以上内容由龙图腾AI智能生成。