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！

龍圖騰網獲悉桂林電子科技大學申請的專利一種多尺度高效卷積自注意力單幅圖像除雨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：CN113947538B 。

龍圖騰網通過國家知識產權局官網在2025-08-22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：202111113807.2，技術領域涉及：G06T5/73；該發明授權一種多尺度高效卷積自注意力單幅圖像除雨方法是由王鑫;覃琴;李民謠;顏靖柯;王逸軒設計研發完成，并于2021-09-23向國家知識產權局提交的專利申請。

本一種多尺度高效卷積自注意力單幅圖像除雨方法在說明書摘要公布了：本發明公開了一種多尺度高效卷積自注意力單幅圖像除雨方法，首先通過圖像數據預處理，獲得對應的有雨圖像和無雨圖像，再將所述有雨圖像傳入融合了改進型Transformer自注意力模塊和多尺度空間特征融合模塊的網絡模型進行迭代訓練，經過混合損失函數優化輸出與所述無雨圖像接近的處理圖像，保存訓練好的網絡模型，再使用訓練好的網絡模型對需要測試的圖像數據完成預測輸出除雨后的圖像，本方法避免了基于模型驅動的除雨方法存在的泛化能力不足和基于數據驅動的除雨方法產生較大的計算開銷等問題，解決了現有技術中的單幅圖像除雨方法計算量大且效率偏低的技術問題。

本發明授權一種多尺度高效卷積自注意力單幅圖像除雨方法在權利要求書中公布了：1.一種多尺度高效卷積自注意力單幅圖像除雨方法，其特征在于，包括下列步驟： 數據預處理； 構建網絡模型； 所述網絡模型包括編碼結構和解碼結構，所述編碼結構融合了改進的Transformer自注意力模塊，所述編碼結構還嵌入了多尺度空間特征融合模塊，所述解碼結構中包含有常規的高效卷積塊，且融合了所述編碼結構中對應尺度的語義特征； 改進的Transformer自注意力模塊，其計算公式為： 其中Q，K，V表示輸入向量X∈RN×C經過線性變換WQ、WK和WV∈RC×C映射成相應的查詢向量Q，鍵向量K和值向量V，為縮放因子，softmax為激活函數，表示注意力圖，在視覺任務中使用二維深度卷積來計算 其中表示對應矩陣位置的元素直接相乘； 所述多尺度空間特征融合模塊采用5個并行的卷積操作對輸入特征進行處理，首先利用一個1×1卷積對輸入的特征圖進行降維，然后對三個3×3卷積分別設置不同的膨脹因子2、4、8，以三種不同的感受野對圖像進行特征提取，提高模型對不同尺寸雨條紋的感知能力，其次使用一個自適應平均池化操作降低信息冗余，最后，在使用一個1×1卷積降低通道數，將5個不同尺度的特征圖融合在一起，圖像中不同尺度的有效信息將得到充分的學習； 訓練所述網絡模型； 網絡模型優化； 在網絡模型優化的過程中，采用混合損失函數反向傳播優化迭代更新所述網絡模型的網絡參數，使輸出結果接近無雨圖像，并保存訓練好的網絡模型； 混合損失函數表達式如下： LMix＝LMS-SSIM-MAE+μ·LMSE+λ·LTV 混合損失函數由MAE損失函數、MS-SSIM損失函數、MSE損失函數和TV損失函數混合而成，其中μ和λ為懲罰因子，分別為0.3和2×10-8； 其中LMS-SSIM為MS-SSIM損失，LMAE為MAE損失函數，計算方式如下： LMS-SSIMP＝1-MS-SSIMp 其中P表示一塊像素區域，p表示像素區域P中的一個像素點，α設置為0.84； MSE損失函數和TV損失函數的表達式如下： 預測輸出除雨后的圖像。

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桂林電子科技大學，其通訊地址為：541004 廣西壯族自治區桂林市七星區金雞路1號；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”。