一种基于雾天交通道路图像的去雾方法技术

一种基于雾天交通道路图像的去雾方法，将小波变换嵌入到DehazeFormer网络中，通过小波变换，可以获得不同频率的信息，从而减少光晕和泛光效应，提高图像的清晰度；针对雾天交通道路图像低对比度的问题，在编码器中引入选择性核特征融合，通过自适应地选择和加权特征，来增强图像的对比度并提高对低对比度雾天图像中物体和道路的分辨能力，从而增强了图像的对比度；针对雾天交通道路图像模糊和失真问题，局部残差结构引入了CBMA注意力机制和内容引导注意力机制CGA，有助于解决模糊和失真问题。该网络在提升雾图像的对比度、降低雾图模糊和失真等方面表现出优良的性能，同时在去雾后的检测任务中也展现了出色的表现。

【技术实现步骤摘要】

本专利技术涉及深度学习的图像处理领域，具体涉及基于雾天交通道路图像的去雾方法。

技术介绍

1、在雾天道路检测技术方面，处理雾天图像至关重要。这种技术可以帮助监测和识别道路状况，在雾霾天气下降低交通事故风险，并提高道路安全性。雾天的产生通常由气溶胶颗粒和水蒸气共同导致，这些颗粒会散射和吸收可见光，导致能见度降低。在雾霾天气下，大气中的颗粒会吸收、反射和散射光线，导致摄像机拍摄的图像对比度下降、颜色信息丧失和清晰度不足。为了解决这一问题，需要采用雾天图像处理技术，旨在提升图像的质量和可读性，其中包括去雾技术，以减轻雾霾对图像的影响，提高图像的清晰度和对比度，以便更好地识别道路上的目标。

2、现有的去雾算法主要分为三类：基于图像增强技术的算法、图像复原技术的算法以及基于深度学习技术的算法。图像增强方法主要包括全局直方图均衡化、retinex、同态滤波等。但由于含雾的交通场景图像目标众多且交通复杂，图像增强去雾方法效果有限。图像复原方法是基于大气退化物理模型，但往往需要额外信息，或受光线和杂质影响。基于深度学习的去雾算法逐渐成为一种研究趋势，其可以直接本文档来自技高网...

【技术保护点】

1.一种基于雾天交通道路图像的去雾方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，在步骤1中，编码器是以DehazeFormer模块为基础的三个阶段构成，并在该基础了加入了SKFF特征融合模块，第一个阶段是由一个块嵌入Patch Embedding和一个Transformer编码器组成，后两个阶段均由一个块合并PatchMerging和一个Transformer编码器组成；具体包括以下步骤：

3.根据权利要求2所述方法，其特征在于，所述SKFF特征融合模块实现步骤如下：

4.根据权利要求1所述的方法，其特征在于，在步骤2中，...

【技术特征摘要】

1.一种基于雾天交通道路图像的去雾方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，在步骤1中，编码器是以dehazeformer模块为基础的三个阶段构成，并在该基础了加入了skff特征融合模块，第一个阶段是由一个块嵌入patch embedding和一个transformer编码器组成，后两个阶段均由一个块合并patchmerging和一个transformer编码器组成；具体包括以下步骤：

3.根据权利要求2所述方法，其特征在于，所述skff特征融合模块实现步骤如下：

4.根据权利要求1所述的方法，其特征在于，在步骤2中，中间特征层是由细节增强模块ds、cbam注意力机制模块和内容引导注意力机制融合模块cgafusion组成，中间特征层是对步骤1中编码部分第三阶段输出的特征图进行特征转换，具体包括以下步骤...

【专利技术属性】
技术研发人员：雷帮军，李子怡，夏平，王雨蝶，
申请(专利权)人：三峡大学，
类型：发明
国别省市：