摘要
本发明提供一种基于颜色和细节增加的图像模型训练方法、去雾方法。模型训练方法包括:获取原始有雾图像和原始清晰无雾图像;对原始有雾图像和原始清晰无雾图像分别进行傅里叶变换,得到原始有雾图像和原始清晰无雾图像分别对应的低频子图和高频子图;对原始有雾图像、低频子图和高频子图分别进行特征提取,得到去雾特征、颜色特征、细节特征。基于去雾特征、颜色特征、细节特征进行图像重建,得到去雾图像、颜色图像、细节图像;基于去雾图像、颜色图像、细节图像以及原始清晰无雾图像和其对应的低频子图和高频子图计算损失。本发明提供的方法改善了现有去雾方法的去雾结果中存在的颜色偏差和细节模糊的问题,获得了更好的去雾效果。
技术关键词
图像去雾模型
有雾图像
融合特征
颜色
无雾图像
多尺度特征提取
上采样
去雾图像
卷积模块
分支
模型训练方法
特征提取单元
去雾方法
分阶段
网络
特征提取模块
拼接模块
图像重建
系统为您推荐了相关专利信息
职位推荐方法
多头注意力机制
语义特征提取
双向长短期记忆网络
数据
多尺度特征金字塔
掩膜
影像
融合特征
阈值分割算法
激光点云数据
占用栅格
YOLO模型
融合特征
多尺度特征