【技术实现步骤摘要】
本专利技术涉及高清图像去雾，具体涉及基于流匹配的图像去雾增强与智能感知协同优化方法。
技术介绍
1、随着4k成像设备的普及，现有去雾方法在分辨率适配性上面临双重困境：基于物理模型的传统算法（如大气散射模型）在复杂大气条件下易产生色彩失真与伪影，难以满足超高清图像对纹理细节的严苛要求；而数据驱动的深度学习方法虽能提升去雾质量，但其参数量与计算复杂度随分辨率呈指数增长，导致处理单帧4k图像时gpu显存占用超过12gb，帧率不足30fps，严重制约了实际部署价值。更关键的是，现有方法在超高清图像去雾中常因计算效率约束被迫降低模型容量，导致雾浓度估计不完整，进而降低目标检测、语义分割等下游视觉任务的准确率。因此，构建兼顾感知质量与计算效率的超高清去雾框架，已成为计算机视觉领域的紧迫挑战。
2、当前，现有的超高清去雾方法，如4kdehazing，4k-haze和lapdehazenet ，主要依赖传统卷积神经网络，其模型参数量较大。例如，4kdehazing的可训练参数达到34.55m，这在一定程度上增加了计算复杂度和推理时间。尽管现...
【技术保护点】
1.一种基于流匹配的图像去雾增强与智能感知协同优化方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于流匹配的图像去雾增强与智能感知协同优化方法，其特征在于，去雾过程由所述常微分方程控制：
3.根据权利要求2所述的基于流匹配的图像去雾增强与智能感知协同优化方法，其特征在于，雾感知向量场对输入图像的处理过程表示为：
4.根据权利要求3所述的基于流匹配的图像去雾增强与智能感知协同优化方法，其特征在于，大气散射净化器中设计有大气散射模型，表示为:
5.根据权利要求4所述的基于流匹配的图像去雾增强与智能感知协同优化方法，其...
【技术特征摘要】
1.一种基于流匹配的图像去雾增强与智能感知协同优化方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于流匹配的图像去雾增强与智能感知协同优化方法，其特征在于，去雾过程由所述常微分方程控制：
3.根据权利要求2所述的基于流匹配的图像去雾增强与智能感知协同优化方法，其特征在于，雾感知向量场对输入图像的处理过程表示为：
4.根据权利要求3所述的基于流匹配的图像去雾增强与智能感知协同优化方法，其特征在于，大气散射净化器中设计有大气散射模型，表示为:
5.根据权利要求4所述的基于流匹配的图像去雾增强与智能感知协同优化方法，其特征在于，通过卷积神经网络（cnn）用于直接从输入中估计，去雾后的图...
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。