基于特征域失真分解的图像、视频复原方法技术

本发明专利技术公开了一种基于特征域失真分解的图像、视频复原方法，通过可学习的特征域分解模块，通过特征分解，实现将图像、视频失真中的不同失真表征分解到不同的通道中，从而降低了不同失真之间的干扰，达到对图像、视频失真更好地分而治之的目的。大量实验表明本发明专利技术在标准公开数据集上实验表现超过前人算法，并且在去模糊，去雨，等单失真去除上也具有极强的泛化性能，并超越前人算法。

【技术实现步骤摘要】
基于特征域失真分解的图像、视频复原方法
本专利技术涉及图像处理
，尤其涉及一种基于特征域失真分解的图像、视频复原方法。
技术介绍
图像、视频复原技术早已被应用到流媒体，照片、视频处理编辑以及云存储等技术中。在图像或视频采集和传输过程中，原始图片和视频经常由于图片和视频采集设备问题，高码率压缩，环境以及人为干扰等而叠加各种不同的失真，包括低分辨，模糊，噪声，雨和雾等。现有的图像视频复原算法虽然在超分辨，去模糊，去噪，去雨等单失真任务上取得了比较满意的效果。然而，由于这些方法是针对于单种失真设计，无法很好的解决真实世界中包含多种失真情况的图像视频复原问题。为了更好地解决这种混合失真问题，文章1(Yu,K.,Dong,C.,Lin,L.,ChangeLoy,C.:Craftingatoolchainforimagerestorationbydeepreinforcementlearning.In:ProceedingsoftheIEEEconferenceoncomputervisionandpatternrecognition.pp.本文档来自技高网...

【技术保护点】
1.一种基于特征域失真分解的图像、视频复原方法，其特征在于，包括：/n对于单个混合失真图像或者视频中的单帧混合失真图像；/n通过特征提取模块，实现图片像素域到到特征域的变换；利用结合神经网络卷积和增益控制设计基于神经网络的特征域失真分解模块，由基于神经网络的特征域失真分解模块实现特征域的失真分解，从而将特征域中的失真表征分解到不同通道中；通过处理单元对各通道中的失真表征进行处理，再由特征聚合模块，基于通道注意力机制，从处理后的失真表征中自适应提取用于图像重建的特征表达；最终由融合模块采用信号分解的反变换方式，将特征聚合模块输出的各通道的特征表达以及来自于辅助模块来的损失信息融合，获得聚合后的特...

【技术特征摘要】
1.一种基于特征域失真分解的图像、视频复原方法，其特征在于，包括：
对于单个混合失真图像或者视频中的单帧混合失真图像；
通过特征提取模块，实现图片像素域到到特征域的变换；利用结合神经网络卷积和增益控制设计基于神经网络的特征域失真分解模块，由基于神经网络的特征域失真分解模块实现特征域的失真分解，从而将特征域中的失真表征分解到不同通道中；通过处理单元对各通道中的失真表征进行处理，再由特征聚合模块，基于通道注意力机制，从处理后的失真表征中自适应提取用于图像重建的特征表达；最终由融合模块采用信号分解的反变换方式，将特征聚合模块输出的各通道的特征表达以及来自于辅助模块来的损失信息融合，获得聚合后的特征表达；
通过重建模块对聚合后的特征表达进行重建，获得去除混合失真的图像。


2.根据权利要求1所述的一种基于特征域失真分解的图像、视频复原方法，其特征在于，所述基于神经网络的特征域失真分解模块、处理单元、特征聚合模块、辅助模块、以及融合模块作为一个整体模块，采用递进式结构设置了若干整体模块；
后一级整体模块的输入包含了前一级整体模块的输出和基于神经网络的特征域失真分解模块的输出，最后一级整体模块中融合模块的输出作为重建模块的输入；其中...

【专利技术属性】
技术研发人员：陈志波，李鑫，刘森，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽;34