公开(公告)号：CN108898562B

公开(公告)日：2022-04-12

申请号：CN201810652664.4

申请日：2018-06-22

Applicant: 大连海事大学

Inventor： 杨溪 ,  范玉龙 ,  余涛 ,  陈荣 ,  张天伦

IPC: G06T5/00

Abstract: 本发明公开了一种基于深度学习的移动设备图像去雾方法，包括以下步骤：获取实时采集的有雾图像；有雾图像输入区域检测网络，逐区域地提取有雾图像特征并输出有雾图像相关的特征图；特征图传入非线性回归网络层，获得有雾图像每个小区域的媒介透射率，得到透射率矩阵；透射率矩阵传入导向滤波模块，输出精细化透射率矩阵；通过透射率矩阵和有雾图的灰度图来计算大气光；通过透射率矩阵恢复所述采集到的有雾图像获得去雾后的图像。本发明通过具有区域检测功能的深度神经网络模型作为去雾方法的主体模型，在训练网络模型时不需要把图像裁剪成固定大小的图像块，扩大了各层的网络节点的感受野，充分考虑到图像中各个区域间的关系。

公开(公告)号：CN108898562A

公开(公告)日：2018-11-27

申请号：CN201810652664.4

申请日：2018-06-22

Applicant: 大连海事大学

Inventor： 杨溪 ,  范玉龙 ,  余涛 ,  陈荣 ,  张天伦

IPC: G06T5/00

Abstract: 本发明公开了一种基于深度学习的移动设备图像去雾方法，包括以下步骤：获取实时采集的有雾图像；有雾图像输入区域检测网络，逐区域地提取有雾图像特征并输出有雾图像相关的特征图；特征图传入非线性回归网络层，获得有雾图像每个小区域的媒介透射率，得到透射率矩阵；透射率矩阵传入导向滤波模块，输出精细化透射率矩阵；通过透射率矩阵和有雾图的灰度图来计算大气光；通过透射率矩阵恢复所述采集到的有雾图像获得去雾后的图像。本发明通过具有区域检测功能的深度神经网络模型作为去雾方法的主体模型，在训练网络模型时不需要把图像裁剪成固定大小的图像块，扩大了各层的网络节点的感受野，充分考虑到图像中各个区域间的关系。