摘要
本发明公开了一种基于雾浓度信息引导的图片去雾方法,旨在解决自然浓雾环境下图像质量退化问题,恢复图片的细节与纹理,提升图像质量。该方法包括浅层特征提取网络和深度去雾网络两部分。浅层特征提取网络由普通卷积网络和多尺度特征对齐模块构成,对输入图像进行初步特征提取和处理。深度去雾网络由雾浓度信息估计模块和基本的编码‑解码器网络组成,其中雾浓度信息估计模块采用多头自注意力机制生成雾浓度掩码图,编码器通过多个动态卷积层和通道注意力机制增强特征表现力,解码器通过动态卷积层和常规卷积层逐步还原图像,确保输出图像质量。实验结果表明,本发明公开的方法能够在真实有雾场景下有效去除雾霾区域,显著提升了去雾效果,恢复了图像的清晰度和细节。
技术关键词
通道注意力机制
浅层特征提取
去雾图像
图片
去雾方法
非线性
多尺度特征融合
卷积模块
网络模型训练
解码器
输入多尺度
解码架构
编码器
动态
系统为您推荐了相关专利信息
图片分类管理方法
视觉特征
场景
文本编码器
标签图片集
电磁感应现象
自动评分方法
智能分析服务器
自动评分系统
训练图像分类模型