一种基于端到端深度学习网络模型的光污染图像抑制方法

本发明公开了一种一种基于端到端深度学习网络模型的光污染图像抑制方法，方法包括：获取待处理的高光污染图像；对高光污染图像进行多尺度特征提取，得到不同尺度的特征图信息；对特征图信息进行编码处理，得到每个尺度对应的特征图序列；对特征图序列进行基于注意力机制的高光强化，得到每个尺度对应的强化特征图；对所有尺度的强化特征图进行逆解码，得到重构无损图像。本发明通过多尺度特征提取与基于注意力机制的高光强化，实现了对复杂工业光污染场景的高效、智能抑制，无需依赖高成本硬件即可重构出高质量的无损图像。本发明能够高效准确实现基于端到端深度学习网络模型的光污染图像抑制，可广泛应用于图像处理技术领域。