-
公开(公告)号：CN113450273B
公开(公告)日：2022-10-14
申请号：CN202110676400.4
申请日：2021-06-18
Applicant: 暨南大学
Abstract: 本发明公开了一种基于多尺度多阶段神经网络的图像去雾方法及系统，该方法包括以下步骤：预处理步骤：对获取的原始有雾图像进行裁剪成预设图像尺寸得到待去雾图像；去雾处理步骤：将待去雾图像输入到多尺度去雾模型中进行去雾处理得到去雾图像，其中多尺度去雾模型为使用多组数据通过机器学习训练得出，多组数据中的每组数据包括有雾图像和对应的真实无雾图像；多尺度去雾模型设有残差卷积块、注意力卷积块以及特征解码卷积块，注意力卷积块分别与残差卷积块、特征解码卷积块连接。本发明利用特征融合将不同的分辨率的特征进行关联得全局特征，使得网络学习到更准确的特征，从而提高了图像的感知质量和视觉效果。
-
公开(公告)号：CN113450273A
公开(公告)日：2021-09-28
申请号：CN202110676400.4
申请日：2021-06-18
Applicant: 暨南大学
Abstract: 本发明公开了一种基于多尺度多阶段神经网络的图像去雾方法及系统，该方法包括以下步骤：预处理步骤：对获取的原始有雾图像进行裁剪成预设图像尺寸得到待去雾图像；去雾处理步骤：将待去雾图像输入到多尺度去雾模型中进行去雾处理得到去雾图像，其中多尺度去雾模型为使用多组数据通过机器学习训练得出，多组数据中的每组数据包括有雾图像和对应的真实无雾图像；多尺度去雾模型设有残差卷积块、注意力卷积块以及特征解码卷积块，注意力卷积块分别与残差卷积块、特征解码卷积块连接。本发明利用特征融合将不同的分辨率的特征进行关联得全局特征，使得网络学习到更准确的特征，从而提高了图像的感知质量和视觉效果。
-
Search Results
2
records
(took 0.017 seconds)
