一种低质图像恢复方法、系统和计算机程序产品技术方案

本发明专利技术公开了一种低质图像恢复方法、系统和计算机程序产品，包括：构建基于生成对抗网络的无监督低质图像修复网络；所述无监督低质图像修复网络包括生成网络和鉴别网络；所述无监督低质图像修复网络用于将受天气影响的低质图像进行修复，得到去除了天气影响且光线自然的干净图像；本发明专利技术将干净图像与不同类型低质图像间的类别差异和修复前后图像的内容关联结合深度学习方法，学习不同低质类型图像到对应干净图像之间的映射关系，配合生成对抗网络从而完成低质图像的修复。本发明专利技术用真实世界的低质图像以及干净图像进行训练，无需二者相互对应，数据收集简单；本发明专利技术提出的内容对比损失和类别对比损失使得处理多种退化类型修复效果出色。

【技术实现步骤摘要】

本专利技术属于计算机视觉，具体涉及一种低质图像恢复方法、系统和计算机程序产品。

技术介绍

1、近年来，计算机视觉技术不断发展，在诸如检测、分割、识别等方面都取得了出色的效果。但这些检测、识别视觉模型运用到码头风险识别中又出现了新的问题，由于码头是户外露天作业环境，恶劣天气条件对于图像质量和识别、检测视觉系统的性能产生了明显的负面影响。在码头环境中，风险识别对于确保安全和防范潜在危险至关重要。码头这样的户外作业环境会遭遇像雨天、雾天和雪天等不同的天气状况，这些恶劣天气条件可能导致图像中的目标变形、模糊或被遮挡，使得视觉系统采集图像质量下降，导致对潜在风险的准确识别和分析变得更加困难。

2、在像码头这样的户外作业环境中，恶劣天气的多样性，如雨天、雾天、雪天等，要求检测、识别视觉系统具备更强大的鲁棒性和适应性。解决方法之一就是针对特定的天气条件例如雨、雪、雾等研发专门的图像处理算法模型，以提高图像质量和下游任务的性能。

3、目前，大部分已有的针对雨天、雾天以及雪天的低质图像修复方法。往往需要监督学习，即需要成对的数据集，包括低质图像和其对本文档来自技高网...

【技术保护点】

1.一种低质图像恢复方法，其特征在于，包括如下步骤：

2.如权利要求1所述的针对典型恶劣天气的无监督低质图像恢复方法，其特征在于，所述特征重建操作的公式包括：

3.如权利要求2所述的低质图像恢复方法，其特征在于，所述残差模块的处理过程包括：

4.如权利要求2所述的低质图像恢复方法，其特征在于，所述通道注意力模块中，包括采用下式进行通道注意力特征的提取：

5.如权利要求1所述的低质图像恢复方法，其特征在于，所述步骤S2中损失函数的计算公式如下：

6.如权利要求5所述的低质图像恢复方法，其特征在于，所述步骤S2中，内容对比损失的计算...

【技术特征摘要】

1.一种低质图像恢复方法，其特征在于，包括如下步骤：

2.如权利要求1所述的针对典型恶劣天气的无监督低质图像恢复方法，其特征在于，所述特征重建操作的公式包括：

3.如权利要求2所述的低质图像恢复方法，其特征在于，所述残差模块的处理过程包括：

4.如权利要求2所述的低质图像恢复方法，其特征在于，所述通道注意力模块中，包括采用下式进行通道注意力特征的提取：

5.如权利要求1所述的低质图像恢复方法，其特征在于，所述步骤s2中损失函数的计算公式如下：

6.如权利要求5所述的低质图像恢复方法，其特征在于，所述步骤s...

【专利技术属性】
技术研发人员：严俊伟，谢欣熹，刘泉，周子君，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：