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
语义分割方法
融合特征
输出特征
多尺度特征
多层感知器
图像重建方法
LDR图像
注意力
损失函数设计
语义先验
时间序列特征
时间预测模型
时间卷积网络
编码特征
离散余弦变换
条件生成对抗网络
生成方法
预测场地
标签
场地环境