申请/专利权人:闽江学院
申请日:2020-12-18
公开(公告)日:2021-05-07
公开(公告)号:CN112767258A
主分类号:G06T5/00(20060101)
分类号:G06T5/00(20060101);G06K9/62(20060101);G06T7/90(20170101)
优先权:
专利状态码:有效-授权
法律状态:2023.10.31#授权;2021.05.25#实质审查的生效;2021.05.07#公开
摘要:本发明涉及一种端到端的图像去沙尘暴方法。该方法通过深度学习网络模型估计出无沙尘暴图像和沙尘暴图像之间的残差图,而后用沙尘暴图像加上残差图来得到最终的去沙尘暴结果;其中,深度学习网络模型包括用于提取图像特征的编码模块、用于缓解空洞卷积带来的网格伪影问题的平滑空洞残差卷积模块、用于融合不同网络层提取的图像特征的注意力融合模块、用于将残差图还原到初始分辨率以获得沙尘暴残差图的解码模块。本发明创新地提出一种专门用于图像去沙尘暴的网络架构。因此,本发明使用基于图像增强的深度学习方法作为对比算法。在一系列合成数据集上的实验结果表明,本发明方法的图像去沙尘暴效果明显优于现有的基于图像增强的深度学习方法,取得了良好的图像去沙尘暴效果。
主权项:1.一种端到端的图像去沙尘暴方法,其特征在于,通过深度学习网络模型估计出无沙尘暴图像和沙尘暴图像之间的残差图,而后用沙尘暴图像加上残差图来得到最终的去沙尘暴结果;其中,深度学习网络模型包括用于提取图像特征的编码模块、用于缓解空洞卷积带来的网格伪影问题的平滑空洞残差卷积模块、用于融合不同网络层提取的图像特征的注意力融合模块、用于将残差图还原到初始分辨率以获得沙尘暴残差图的解码模块。
全文数据:
权利要求:
百度查询: 闽江学院 一种端到端的图像去沙尘暴方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。