摘要
本发明涉及图像去雾技术领域,尤其涉及基于双任务协同网络的图像去雾方法,S1:采集带雾RGB图像及稀疏深度图。S2:构建深度补全网络,输出初始预测深度图。S3:构建去雾网络,输出预测去雾图像。S4:将预测去雾图像与稀疏深度图再次输入深度补全网络,输出最终预测深度图。S5:得到去雾差异映射矩阵和深度差异映射矩阵。S6:构建去雾损失函数和深度损失函数。S7:得到去雾模型和深度补全模型。S8:将带雾RGB图像和对应的稀疏深度图输入到去雾模型和深度补全模型中,输出去雾后的RGB图像和对应的深度图。本发明的优点在于,深度补全与图像去雾任务互补协同,二者在统一框架内同步优化,显著提升雾天场景下的清晰图像。
技术关键词
图像去雾方法
去雾图像
稀疏深度图
去雾模型
网络
编码特征
矩阵
编码器
误差
多层感知机
图像去雾技术
解码器
模块
输出特征
局部特征提取
上采样
系统为您推荐了相关专利信息
数据采集模块
数字孪生模型
策略
大数据
模糊集合
工艺设计方法
深度学习网络
细观力学模型
复合材料
储氢容器技术
深度学习网络模型
直方图均衡化方法
线路
对比度
空间金字塔池化
滚动轴承振动信号
故障诊断模型
振动故障诊断
位置更新
滚动轴承故障诊断系统
低空无人机
多模态
高空无人机
搜索意图
检测网络模型