公开(公告)号：CN118710526A

公开(公告)日：2024-09-27

申请号：CN202410857782.4

申请日：2024-06-28

Applicant: 安徽大学

Inventor： 周芃 ,  聂咏沙

IPC: G06T5/60 ,  G06V10/20 ,  G06V10/52 ,  G06V10/56 ,  G06V10/54 ,  G06V10/44 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供一种基于颜色和细节增加的图像模型训练方法、去雾方法。模型训练方法包括：获取原始有雾图像和原始清晰无雾图像；对原始有雾图像和原始清晰无雾图像分别进行傅里叶变换，得到原始有雾图像和原始清晰无雾图像分别对应的低频子图和高频子图；对原始有雾图像、低频子图和高频子图分别进行特征提取，得到去雾特征、颜色特征、细节特征。基于去雾特征、颜色特征、细节特征进行图像重建,得到去雾图像、颜色图像、细节图像；基于去雾图像、颜色图像、细节图像以及原始清晰无雾图像和其对应的低频子图和高频子图计算损失。本发明提供的方法改善了现有去雾方法的去雾结果中存在的颜色偏差和细节模糊的问题，获得了更好的去雾效果。

公开(公告)号：CN118710525A

公开(公告)日：2024-09-27

申请号：CN202410857756.1

申请日：2024-06-28

Applicant: 安徽大学

Inventor： 周芃 ,  聂咏沙

IPC: G06T5/60 ,  G06T3/40 ,  G06V10/52 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供一种图像去雾模型的训练方法、图像去雾方法，训练方法包括：获取原始有雾图像和对应的原始清晰无雾图像；对原始有雾图像进行两次下采样，对应得到中分辨率有雾图像、低分辨率有雾图像；对原始有雾图像、中分辨率有雾图像、低分辨率有雾图像分别进行特征提取,对应得到3个不同尺度的特征信息；基于所述3个不同尺度的特征信息进行图像重建,得到去雾图像；计算去雾图像与原始清晰无雾图像之间的损失，并基于该损失对图像去雾模型进行训练，得到训练好的图像去雾模型。本发明提供的方法，能够有效提高去雾的效果。