申请/专利权人：四川大学

申请日：2022-07-06

公开（公告）日：2024-03-19

公开（公告）号：CN115034999B

主分类号：G06T5/73

分类号：G06T5/73;G06T5/00;G06T5/20;G06T5/50;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2022.09.30#实质审查的生效;2022.09.09#公开

摘要：本发明提供一种基于雨雾分离处理和多尺度网络的图像去雨方法，包括以下步骤：S1：获取待去雨的图像；S2：构建雨雾图像的物理模型；S3：利用导向滤波器对图像进行滤波，得到高频有雨图像和低频有雾图像；S4：根据物理模型设计去雨模块，将高频有雨图像输入去雨模块，然后由去雨模块输出高频去雨图像；S5：根据物理模型设计去雾模块，将低频有雾图像输入去雾模块，然后由去雾模块输出低频去雾图像。本发明提供的一种基于雨雾分离处理和多尺度网络的图像去雨方法，多个数据集的测试结果表明，所提方法能够较好地去除图像中的雨条纹和雨雾并保留图像的细节和色彩，和近年来的主流去雨算法相比，SSIM提升了0.02～0.08左右，PSNR提升了0.2～3.5dB左右。

主权项：1.一种基于雨雾分离处理和多尺度网络的图像去雨方法，其特征在于，包括以下步骤：S1：获取待去雨的图像；S2：构建雨雾图像的物理模型；S3：利用导向滤波器对图像进行滤波，得到高频有雨图像和低频有雾图像；S4：根据物理模型设计去雨模块，将高频有雨图像输入去雨模块，然后由去雨模块输出高频去雨图像，所述S4的具体步骤如下：使用去雨模块对步骤S3得到的高频有雨图像进行去雨处理输出得到高频去雨图像；所述去雨模块包含卷积层conv1，denseblock模块1，denseblock模块2、denseblock模块3，卷积层conv2，卷积层conv3，卷积层conv4；其连接方式为：卷积层conv1的输出分别作为denseblock模块1、denseblock模块2，denseblock模块3的输入；denseblock模块1，denseblock模块2，denseblock模块3的输入的concat连接作为卷积层conv2的输入；然后卷积层conv2，卷积层conv3，卷积层conv4依次连接；所述卷积层conv1的卷积核大小为3×3，输入通道数为3，输出通道数为128，步长为1×1，激活函数使用ReLu激活函数；所述denseblock模块1，denseblock模块2，denseblock模块3，三个模块结构相似，输入都为conv1的输出，都包含四个依次连接的卷积层convd1，convd2，convd3，convd4；所述四个卷积层convd1，convd2，convd3，convd4的输入都为其前面所有卷积层输出的concat连接；所述四个卷积层convd1，convd2，convd3，convd4的输入通道数依次为128，256，384，512；所述四个卷积层convd1，convd2，convd3，convd4的输出通道数都为128，滑动步长均为1×1；所述四个卷积层convd1，convd2，convd3，convd4的后面都接有一个ReLu激活函数；所述denseblock模块1中的四个卷积核的大小都为3×3；所述denseblock模块2中的四个卷积核的大小都为5×5；所述denseblock模块3中的四个卷积核的大小都为7×7；所述卷积层conv2的输入通道数为384，输出通道数为64，卷积核大小为3×3，后面接有ReLu激活函数；所述卷积层conv3的输入通道数为64，输出通道数为64，卷积核大小为3×3，后面接有ReLu激活函数；所述卷积层conv4的输入通道数为64，输出通道数为3，卷积核大小为3×3；S5：根据物理模型设计去雾模块，将低频有雾图像输入去雾模块，然后由去雾模块输出低频去雾图像，所述S5的具体步骤如下：使用去雾模块对有雾低频图像进处理，得到去雾低频图像；所述去雾模块包括依次连接的第一卷积层、第二卷积层、第一融合层、第三卷积层、第四卷积层、第二融合层、第五卷积层、第六卷积层、第三融合层、第七卷积层，每个卷积层都接有ReLu激活函数，所述第一卷积层卷积核大小为1×1，输入通道数为3，输出通道数为3；所述第二卷积层卷积核大小为3×3，输入通道数为3，输出通道数为3；所述第一融合层，以concat的方式融合第一卷积层和第二卷积层的输出，输出通道数为6；所述第三卷积层卷积核大小为3×3，输入通道数为6，输出通道数为3；所述第四卷积层卷积核大小为5×5，输入通道数为3，输出通道数为3；所述第二融合层，以concat的方式融合第二卷积层、第三卷积层和第四卷积层的输出，输出通道数为9；所述第五卷积层卷积核大小为5×5，输入通道数为9，输出通道数为3；所述第六卷积层卷积核大小为7×7，输入通道数为3，输出通道数为3；所述第三融合层，以concat的方式融合第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、和第六卷积层的输出，输出通道数为18；所述第七卷积层卷积核大小为3×3，输入通道数为18，输出通道数为3；S6：将去雨高频图像和去雾低频图像进行融合得到去除雨雾后的清晰图像。

全文数据：

权利要求：

百度查询： 四川大学 一种基于雨雾分离处理和多尺度网络的图像去雨方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD