【技术实现步骤摘要】
本专利技术属于图像去雾，具体涉及一种基于基于知识引导的多重感知注意力网络图像去雾方法。
技术介绍
1、图像去雾是计算机视觉中的一个重要任务，它的目的是从被大气散射影响的雾霾图像中恢复清晰的图像。图像去雾有着广泛的实际应用，例如无人机航拍、室外监控、自动驾驶和遥感等，但也面临着由于雾霾形成的物理模型复杂、问题不适定和非线性等挑战。
2、目前，图像去雾的方法主要分为基于先验知识的方法和基于深度学习的方法。基于先验知识的方法利用一些假设或规则来估计雾霾模型中的未知变量，如透射率和大气光等，从而得到去雾图像。这类方法通常简单高效，但也存在一些局限性，如先验知识的过度简化、对真实场景的适应性差等。基于深度学习的方法利用卷积神经网络(cnn)来学习雾霾图像和清晰图像之间的复杂非线性映射关系，或者通过网络间接地估计雾霾模型中的未知变量，从而实现图像去雾。该类技术通常能够获得更好的去雾效果和视觉感知，但也需要更多的计算资源和训练数据，并且对清晰图像的信息未充分利用。
技术实现思路
1、针对现有...
【技术保护点】
1.一种基于知识引导的多重感知注意力网络图像去雾方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于知识引导的多重感知注意力网络图像去雾方法，其特征在于：步骤(2)所述的教师网络由穿插在网络头部和下采样之后的网络反卷积模块，下采样模块，教师多重感知注意力模块以及上采样模块和深浅层特征融合模块构成；通过最小化损失函数，利用清晰图像训练教师网络；教师多重感知注意力模块由1x1卷积模块与多感知模块和1x1卷积模块和通道注意力模块组成的双通道构成；深浅层特征融合模块由通道注意力模块和一个可学习的参数组成，其融合深层和浅层特征的过程如下式所示：
...【技术特征摘要】
1.一种基于知识引导的多重感知注意力网络图像去雾方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于知识引导的多重感知注意力网络图像去雾方法，其特征在于：步骤(2)所述的教师网络由穿插在网络头部和下采样之后的网络反卷积模块，下采样模块，教师多重感知注意力模块以及上采样模块和深浅层特征融合模块构成；通过最小化损失函数，利用清晰图像训练教师网络；教师多重感知注意力模块由1x1卷积模块与多感知模块和1x1卷积模块和通道注意力模块组成的双通道构成；深浅层特征融合模块由通道注意力模块和一个可学习的参数组成，其融合深层和浅层特征的过程如下式所示：
3.根据权利要求1所述的一种基于知识引导的多重感知注意力网络图...
【专利技术属性】
技术研发人员：范恩强，刘鹏，刘建磊，
申请(专利权)人：济南赛尔无人机科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。