一种基于UAVD-Net的无人机遥感图像去雾方法、系统、设备及介质技术方案

一种基于UAVD‑Net的无人机遥感图像去雾方法、系统、设备及介质，构建非均匀雾霾遥感图像数据集，包括训练集、验证集和测试集；构建基于UAVD‑Net的无人机遥感图像去雾网络；使用训练集和验证集训练基于UAVD‑Net的无人机遥感图像去雾网络，得到最优训练权重文件Dehaze.pt；使用测试集和最优训练权重文件Dehaze.pt对基于UAVD‑Net的无人机遥感图像去雾网络进行无人机遥感图像去雾，得到无人机遥感图像去雾结果；系统、设备及介质用于实现该方法；本发明专利技术通过在网络中引入多层级全局信息捕捉模块、自适应局部信息增强模块和交叉通道特征融合模块，有效将图像的全局信息和局部特征进行融合，实现了互补，有效提高非均匀雾霾情况下，无人机遥感图像的去雾精度，具有适应性强、去雾精度高的优点。

【技术实现步骤摘要】

本专利技术属于图像处理，进一步涉及深度学习和数字图像处理技术，具体为一种基于uavd-net的无人机遥感图像去雾方法、系统、设备及介质，本专利技术可用于无人机光学遥感图像的去雾。

技术介绍

1、无人机(uav)作为一种灵活且高效的空中遥感工具，在环境监测、灾害评估、城市规划、农业管理等领域发挥了重要作用。尤其在复杂地形或极端气候条件下，无人机可以获取高分辨率的图像数据，为决策提供关键支持。然而，由于大气中的雾霾、尘埃和其他微粒的存在，遥感图像在采集过程中常常会受到干扰，导致图像对比度下降、细节模糊，影响数据的可靠性和精确性。图像去雾技术因此成为了无人机遥感应用中的重要课题。

2、传统的图像去雾方法多基于图像增强、图像复原等领域的理论和技术，但在实际应用中，尤其是无人机拍摄的图像往往面对光照复杂、场景多变、雾霾程度不均等挑战，现有方法的表现有限。随着深度学习和计算机视觉技术的迅猛发展，基于卷积神经网络(cnn)和变换器(transformer)的去雾方法逐渐成为研究热点，它们在提取图像特征、提升细节恢复方面展现出巨大潜力。p>

3、公开号本文档来自技高网...

【技术保护点】

1.一种基于UAVD-Net的无人机遥感图像去雾方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于UAVD-Net的无人机遥感图像去雾方法，其特征在于，所述步骤二的基于UAVD-Net的无人机遥感图像去雾网络，包括编码器(Encoder)、纹理细节特征提取子网络(Texture Detail Feature Extraction)和解码器(Decoder)；

3.根据权利要求1所述的一种基于UAVD-Net的无人机遥感图像去雾方法，其特征在于，所述步骤三中，设置训练轮次为大于等于150，批次大小大于等于32。

4.根据权利要求1所述的一...

【技术特征摘要】

1.一种基于uavd-net的无人机遥感图像去雾方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于uavd-net的无人机遥感图像去雾方法，其特征在于，所述步骤二的基于uavd-net的无人机遥感图像去雾网络，包括编码器(encoder)、纹理细节特征提取子网络(texture detail feature extraction)和解码器(decoder)；

3.根据权利要求1所述的一种基于uavd-net的无人机遥感图像去雾方法，其特征在于，所述步骤三中，设置训练轮次为大于等于150，批次大小大于等于32...

【专利技术属性】
技术研发人员：周绥平，李晨阳，郭峰，师佳琦，冀宏敏，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：