摘要
本发明属于计算机视觉和图像处理技术领域,具体涉及一种基于扩散模型的遥感图像去雾方法,采用双阶段去雾网络框架,包括第一阶段的多尺度特征选择融合网络和第二阶段的感知解码残差扩散模型;多尺度特征选择融合网络对输入图像处理生成预测图像实现粗略的去雾效果,第一阶段的多尺度特征选择融合网络基于U‑net架构,并融合了多尺度特征提取模块和选择融合模块;多尺度特征提取模块用于提取不同尺度的特征,选择融合模块随后对这些特征进行选择性加权和融合;第二阶段,预处理后的图像随后被用作带感知解码的残差扩散模型的条件输入,其中感知解码器通过进一步解耦条件来优化残差估计,本发明提升生成质量,有效增强了去雾性能。
技术关键词
遥感图像去雾方法
多尺度特征提取
特征选择
生成预测图像
通道注意力机制
解码器
网络
特征提取模块
收集训练数据
编码器特征
全局平均池化
去雾模型
图像处理技术
系统为您推荐了相关专利信息
高光谱分类方法
检疫性病害
高光谱成像设备
农业信息化技术
梯度提升树模型
检测头
动态特征选择
交互特征
特征提取能力
注意力
稳定控制模块
主站模块
暂态稳定控制
调度优化模型
储能模块
预测分析方法
预测分类模型
特征选择算法
异常数据
摘要