【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及基于改进扩散模型的图像去雨方法及系统。
技术介绍
1、当前，图像在多个领域广泛应用，包括计算机视觉、医学成像、安防监控、火灾预警等。
2、然而，在降雨条件下拍摄的图像往往会受到雨滴或雨条纹的影响。这些雨滴或雨条纹反射周围环境的光线，导致图像中出现光斑和噪点，从而使图片质量明显下降。这将严重影响后续算法和人眼视觉的有效性和准确性。因此，开发一种能够有效去雨并高质量恢复图像背景信息的图像去雨方法至关重要。
3、早期传统的图像去雨方法主要基于先验知识来进行去雨处理，如高斯混合模型、判别稀疏编码等。然而，这些基于先验知识的方法表示能力有限，难以处理复杂的有雨图像。近年来，深度学习以其自身强大的学习能力和表征能力被应用到单幅图像去雨问题中。这类方法主要利用卷积神经网络和生成对抗网络来学习有雨图像和干净图像之间的映射关系。相比早期传统的方法，深度学习的方法在处理有雨图像时性能得到了提升。但目前该类方法仍存在训练不稳定的问题，会生成低质量的去雨图像。
4、为了进一步提高图像去雨的效果...
【技术保护点】
1.基于改进扩散模型的图像去雨方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于改进扩散模型的图像去雨方法，其特征在于，所述引入频率依赖策略来改进噪声估计网络结构，具体是设置两个比例因子bf和sf，对噪声图像xt的低频特征xf、高频特征hf这两个特征进行平衡。
3.根据权利要求2所述的基于改进扩散模型的图像去雨方法，其特征在于，设置两个比例因子bf和sf，对噪声图像xt的低频特征xf、高频特征hf这两个特征进行平衡的方法为：
4.根据权利要求1所述的基于改进扩散模型的图像去雨方法，其特征在于，步骤5中所述的停止训练...
【技术特征摘要】
1.基于改进扩散模型的图像去雨方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于改进扩散模型的图像去雨方法，其特征在于，所述引入频率依赖策略来改进噪声估计网络结构，具体是设置两个比例因子bf和sf，对噪声图像xt的低频特征xf、高频特征hf这两个特征进行平衡。
3.根据权利要求2所述的基于改进扩散模型的图像去雨方法，其特征在于，设置两个比例因子bf和sf，对噪声图像xt的低频特征xf、高频特征hf这两个特征进行平衡的方法为：
4.根据权利要求1所述的基于改进扩散模型的图像去雨方法，其特征在于，步骤5中所述的停止训练条件为完成预设的迭代步数或者损失函数达到收敛。
5.根据权利要求1所...
【专利技术属性】
技术研发人员：黄煜峰，孙同同，巩学健，李玉峰，林志宇，
申请(专利权)人：沈阳航空航天大学，
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。