摘要
基于层间多尺度序列交互和傅里叶域频空增强的去雾方法,包括以下步骤:步骤S1:收集包含不同浓度雾霾的公开有雾数据集,并对其中的图像进行预处理,以提高数据质量和模型训练效果;步骤S2:构建基于层间多尺度序列交互和傅里叶域频空增强的去雾网络框架,该框架包含U型去雾网络、层间多尺度序列交互模块IMSIM和傅里叶域频空增强模块FDFSEM;步骤S3:使用标注好的图像数据集训练网络,定义合适的损失函数,使用优化器进行训练;步骤S4:使用峰值信噪比PSNR、结构相似性指数SSIM两个指标评估去雾效果,优化训练后的模型,部署到实际应用中进行在线推理和实时去雾;通过上述步骤可以实现输入特征图的去雾。
技术关键词
解码
编码特征
频域特征
输出特征
峰值信噪比
残差模块
二维快速傅里叶变换
网络
有雾图像
去雾图像
特征提取模块
序列特征
阶段
全局结构信息
优化器
定量分析模型
系统为您推荐了相关专利信息
异常数据
海洋中尺度涡
神经网络学习方法
优化器
注意力
深度学习模型
深度学习技术
卷积神经网络结构
地震预警系统
数据管理系统