申请/专利权人：广东石油化工学院

申请日：2019-10-22

公开（公告）日：2024-04-12

公开（公告）号：CN110969585B

主分类号：G06T5/73

分类号：G06T5/73;G06T5/77;G06T5/60;G06N3/0455;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2020.05.01#实质审查的生效;2020.04.07#公开

摘要：本发明公开了一种基于条件变分自编码网络的除雨方法，属于图像除雨技术领域，一种基于条件变分自编码网络的除雨方法，在条件变分自编码器基础上，引入基于通道的空间分布估计SDE部分，该部分基于通道的空间密度估计，即对于{r,g,b}三个通道，其输出不同，将SDE和条件变分自编码器混合在一起进行参数估计，其有助于进一步提高系统估计精度，利用条件变分自编码器进行除雨时，将纯净图像作为标签引入到条件变分自编码器，利用简单的网络构建空间分布估计模块，分别针对不同的{r,g,b}通道产生不同的像素级别的不同空间分布，并将其参数和条件变分自编码器联合优化，保证除雨后图像中像素点的亮度保持和之前图像一致。

主权项：1.一种基于条件变分自编码网络的除雨方法，其特征在于：包括以下步骤：S1、基于条件变分自编码网络除雨学习的结构设计；S2、基于条件变分自编码网络除雨学习的参数优化；S3、基于条件变分自编码网络除雨的结构设计；S4、条件变分自编码网络下的除雨；S5、条件变分自编码网络下的除雨性能测试；所述S1中基于条件变分自编码网络除雨学习的结构设计由条件变分编码器、空间分布估计、先验概率分布、中间操作和条件变分解码器组成；所述S1的具体操作为：S1a、空间分布估计，空间密度估计输入为带雨图像x，空间密度估计输出为基于通道的密度估计映射Dc，用一个简单两层全连接网络表示；S1b、条件变分编码器，条件变分编码器的输入包含干净图像y、带雨图像x、基于通道的密度估计映射Dc，将三者串接到一起作为编码器的输入，条件变分编码器的输出为一个分布S1c、先验概率分布，先验概率分布的输入包含干净图像y、基于通道的密度估计映射Dc串接到一起作为先验概率分布的输入，先验概率部分的输出为先验分布S1d、中间操作，两个操作分别对应根据分布得到隐含变量z的方法，其中输入为分布的参数，均值μx和方差σx，以及噪声的分布输出为隐含变量z，具体操作如下：z＝μx+∈*σx；S1e、条件变分解码器，条件变分解码器的输入为第一个中间操作的输出ze、隐含变量基于通道的密度估计映射Dc串接到一起，条件变分解码器的输出为估计的除雨后图像，和条件变分编码器一样，选择为条件变分编解码器。

全文数据：

权利要求：

百度查询： 广东石油化工学院 一种基于条件变分自编码网络的除雨方法

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