【技术实现步骤摘要】
本专利技术属于计算机图像复原，特别涉及一种真实水域场景的图像去雾方法及系统，可用于海上视频监测、无人船视觉感知。
技术介绍
1、在湖泊、海洋和河流等水域场景中频发的云雾天气，会导致水域场景下采集的图像出现颜色失真、对比度下降及能见度降低等问题，严重影响了人类视觉及机器视觉的感知能力。而真实水域场景中的有雾图像复杂多样，例如含多种降质因素的有雾图像、雾非均匀分布的有雾图像，因而需要对其进行有效去雾。
2、传统的图像去雾算法主要根据统计先验对大气散射模型进行估计，从而进行图像去雾。这些传统算法通常只在理想的数据分布下有效，其去雾性能不能在广泛的有雾场景下应用。伴随着深度学习网络的发展，现有基于深度学习的图像去雾模型可分为面向合成数据的模型和面向真实数据的模型两大类。面向合成数据集的模型主要进行有监督训练，但其无法学习到真实有雾图像的特征；面向真实数据的模型通过引入高质量的知识先验等方法提升模型的泛化能力，但其无法有效学习到非均匀雾图像、多降质有雾图像的动态变化特征。
3、申请号为cn202410220711.3的专利...
【技术保护点】
1.一种基于视觉语言模型及雾浓度差分信息的真实水域场景图像去雾方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述划分训练集和测试集，并对训练集进行预处理，其实现包括：
3.根据权利要求1所述的方法，其特征在于，所述先验知识提取网络，包括串联连接的预去雾网络及视觉语言模型，其中：
4.根据权利要求1所述的方法，其特征在于，所述雾浓度差分信息提取网络，包括串联连接的L个卷积层与通道注意力层，其中：
5.根据权利要求1所述的方法，其特征在于，所述主干网络，包括串联连接的编码器、动态信息融合器及解码器，其中
6....
【技术特征摘要】
1.一种基于视觉语言模型及雾浓度差分信息的真实水域场景图像去雾方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述划分训练集和测试集，并对训练集进行预处理，其实现包括：
3.根据权利要求1所述的方法，其特征在于，所述先验知识提取网络，包括串联连接的预去雾网络及视觉语言模型，其中：
4.根据权利要求1所述的方法，其特征在于，所述雾浓度差分信息提取网络，包括串联连接的l个卷积层与通道注意力层，其中：
5.根据权利要求1所述的方法，其特征在于，所述主干网络，包括串联连接的编码器、动态信息融...
【专利技术属性】
技术研发人员：韩冰，施道典，杨铮，狄建强，关晶格，
申请(专利权)人：西安电子科技大学，
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。