【技术实现步骤摘要】
本专利技术属于图像去雾，具体的是指将数据集中图像通过正向和反向的两种学习进行去雾处理，并且使用可变形卷积处理物体边缘的方法。
技术介绍
1、近些年来，图像去雾技术迅速发展，在智能交通、智能监控以及军事等领域都得到了广泛的应用。在之前的研究当中，大多是图像去雾方法都集中于正向的学习，也就是学习清晰图片的结构来重建图片。本专利技术提出了一种使用正向和反向学习的图像去雾方法，使图像在重建过程中远离雾图的特征，从而输出更加贴近真实图片的去雾图。
2、目前图像去雾的方法主要有以下几种：
3、1.基于物理先验的去雾算法：这种方法一般依赖于大气散射模型，并且先验是根据经验得到的，比如基于暗通道先验的去雾算法和基于颜色衰减先验的去雾算法。
4、2.基于深度学习的去雾算法：这种方法是通过大量数据来训练神经网络，直接生成清晰的图像，比如特征融合注意机制去雾网络和端到端去雾网络。
5、基于物理先验的去雾方法依赖特定的场景和假设，鲁棒性比较差，难以适应所有情况下的雾图。而且现有的基于网络的方法趋向于利用正样本的信...
【技术保护点】
1.一种基于正向和反向学习的图像去雾方法，其特征在于，基于物理先验的去雾方法很大程度依赖于特殊环境，而基于深度学习的去雾方法大部分只进行了正向的学习。为了解决这些问题，使用教师网络在去雾的过程中输入清晰图片的特征，是去雾网络获得正向的信息。使用正则的方法使图片远离雾图的特征，以利用负向的信息。使用可变形卷积的感兴趣区域池化，增加额外偏移量的空间采样位置，使网络在提取特征时更好的处理物体的边缘。
2.根据权利要求1所述，一种基于正向和反向学习的图像去雾方法，其特征在于，使用教师网络在去雾的过程中输入清晰图片的特征，是去雾网络获得正向的信息。在教师网络和去雾网...
【技术特征摘要】
1.一种基于正向和反向学习的图像去雾方法，其特征在于，基于物理先验的去雾方法很大程度依赖于特殊环境，而基于深度学习的去雾方法大部分只进行了正向的学习。为了解决这些问题，使用教师网络在去雾的过程中输入清晰图片的特征，是去雾网络获得正向的信息。使用正则的方法使图片远离雾图的特征，以利用负向的信息。使用可变形卷积的感兴趣区域池化，增加额外偏移量的空间采样位置，使网络在提取特征时更好的处理物体的边缘。
2.根据权利要求1所述，一种基于正向和反向学习的图像去雾方法，其特征在于，使用教师网络在去雾的过程中输入清晰图片的特征，是去雾网络获得正向的信息。在教师网络和去雾网络中使用6个残差块，每经过一块残差块，通过损失函数将清晰图片的信息输入到去雾网络中，使去雾网络的输出更加接近真实的无雾图片。<...
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。