摘要
本发明涉及一种基于非线性噪声序列和空间特征增强的图像去雾方法,包括:采集有雾图像,对采集的有雾图像进行预处理;对DDPM模型进行改进,得到改进后的DDPM模型即图像去雾模型;将训练集输入图像去雾模型进行训练;将待处理的有雾图像输入训练后的图像去雾模型,输出去雾后的图像。本发明有利于模型更加精细全面的理解图像信息,在正向扩散以及逆向去噪的过程中更关注人类感知能力,从而产生更接近人类感知质量的清晰图像;本发明的基于非线性和空间特征增强的图像去雾模型的特征学习更为高效,能够处理不同尺度的特征信息,结合多尺度信息更加深全面地理解图像加快了模型的训练速度,提高了模型的训练效率,具有更强有力的去雾效果。
技术关键词
图像去雾模型
图像去雾方法
非线性噪声
计算机程序指令
序列
有雾图像
噪声参数
阶段
模拟人类视觉
训练集
参数化方法
多尺度信息
处理器
机制
网络
通道
系统为您推荐了相关专利信息
轨迹分析方法
函数调用栈
进程
监督学习框架
时间片
后台数据管理
移动终端
时间序列预测模型
风险评估模型
计划
量子随机数发生器
光电转换模块
模数转换模块
后处理模块
光源模块