【技术实现步骤摘要】
本专利技术涉及一种基于渐进式负增强对比学习的图像恢复方法，属于图像处理的。
技术介绍
1、雾、雨和雪等恶劣天气是日常生活中常见的气候现象，它们通常会导致拍摄图像的视觉质量不佳，例如，降低图像的清晰度、对比度和色彩饱和度，增加图像的噪声和模糊等。这些恶劣天气条件不仅影响人们的日常生活和出行，也给许多户外视觉系统带来了巨大的挑战，例如户外安全摄像头、自动驾驶系统、无人机航拍系统等。这些视觉系统需要从受到天气影响的图像中提取有效的信息，以实现监控、导航、识别等功能。因此，如何从恶劣天气条件下拍摄的图像中恢复出清晰、真实的视觉信息，是计算机视觉领域的一个重要和热门的研究课题。
2、随着深度学习技术的进步，现在已经存在许多专门处理单一恶劣天气情况的图像恢复模型。虽然这些模型在特定情况下表现出色，但它们通常不够灵活，难以适应多种天气条件的复杂变化。最直接的方法是采用多个专门针对特定天气情况的模型，根据需要来组合它们，比如使用专门的雾霾去除算法来处理雾霾图像，使用专门的雨线去除算法来处理雨线图像。然而，这种多模型组合的方法存在一些明显的弊...
【技术保护点】
1.一种基于渐进式负增强对比学习的图像恢复方法，其特征在于，该方法使用一致性-正则化框架，利用教师模型和学生模型双模型结构设计，充分利用各种退化程度的负样本，通过逐步更新负样本来不断地将重建后的图像挤压到干净的图像上，提高了密度变分下的图像恢复模型的鲁棒性，该方法具体包括以下步骤：
2.根据权利要求1所述的基于渐进式负增强对比学习的图像恢复方法，其特征在于，步骤S1具体包括：
3.根据权利要求1所述的基于渐进式负增强对比学习的图像恢复方法，其特征在于，步骤S2中的教师模型和学生模型均由预处理卷积层、三个并行组件和注意力模块组成，其中每个组件由两...
【技术特征摘要】
1.一种基于渐进式负增强对比学习的图像恢复方法，其特征在于，该方法使用一致性-正则化框架，利用教师模型和学生模型双模型结构设计，充分利用各种退化程度的负样本，通过逐步更新负样本来不断地将重建后的图像挤压到干净的图像上，提高了密度变分下的图像恢复模型的鲁棒性，该方法具体包括以下步骤：
2.根据权利要求1所述的基于渐进式负增强对比学习的图像恢复方法，其特征在于，步骤s1具体包括：
3.根据权利要求1所述的基于渐进式负增强对比学习的图像恢复方法，其特征在于，步骤s2中的教师模型和学生模型均由预处理...
【专利技术属性】
技术研发人员：孙建德，孙晓燕，李燕，程德，张鼎文，万文博，李静，王建，
申请(专利权)人：山东师范大学，
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。