摘要
本发明提供了一种基于残差双向扩散模型的图像去雾增雾方法,包括:对于无雾图像和有雾图像在水平和垂直维度上以一步幅移动一个窗口,将无雾图像和有雾图像分解为一组重叠的块字典;通过图像去雾和增雾的前向过程对图像进行加噪处理,使得去雾中的初始状态逼近无雾图像的分布且最终状态逼近有雾图像的分布,使得增雾中的初始状态逼近有雾图像的分布,而最终状态逼近无雾图像的分布;通过统一的深度神经网络获取逆向过程的均值和方差,从而复原加噪图像。
技术关键词
无雾图像
有雾图像
字典
深度神经网络
参数
噪声预测
掩码矩阵
位置提取
像素
序列
数据
因子
系统为您推荐了相关专利信息
质子交换膜燃料电池
电堆温度
非线性状态空间
观测器
参数估计误差
自动优化方法
移动基站
决策
训练深度学习模型
信号干扰噪声比
抗缪勒管激素
随机森林
机器学习算法
Y染色体微缺失
雌二醇