公开(公告)号：CN117455809B

公开(公告)日：2024-05-24

申请号：CN202311388489.X

申请日：2023-10-24

Applicant: 武汉大学

Inventor： 余荣威 ,  张沛豪 ,  郭茜雅 ,  李翼展 ,  向婧怡

IPC: G06T5/77 ,  G06T5/70 ,  G06T5/50 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于深度引导扩散模型的图像混合雨去除方法和系统，可以有效解决公共监控画面、自动驾驶目标跟踪等被雨水遮挡而造成的公共安全问题。本方法包括利用编码器解码器网络提取有雨图像的深度特征并预测有雨图像的深度映射；利用U‑Net网络提取有雨图像的噪声特征；通过带有可学习偏移量的卷积操作对上述两种特征进行采样并利用深度特征引导和精确U‑Net网络对于有雨图像噪声分布的预测；根据扩散模型框架对整个网络进行迭代最终得到去雨的干净图像。本发明可以更有效去除图像中复杂多样的雨水，同时针对被雨水遮挡的背景信息获得更高质量的恢复效果，从而整体提升去雨图像的质量。因此本发明可以为智能的数字城市系统带来更多便利性和安全性。

公开(公告)号：CN117455809A

公开(公告)日：2024-01-26

申请号：CN202311388489.X

申请日：2023-10-24

Applicant: 武汉大学

Inventor： 余荣威 ,  张沛豪 ,  郭茜雅 ,  李翼展 ,  向婧怡

IPC: G06T5/77 ,  G06T5/70 ,  G06T5/50 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于深度引导扩散模型的图像混合雨去除方法和系统，可以有效解决公共监控画面、自动驾驶目标跟踪等被雨水遮挡而造成的公共安全问题。本方法包括利用编码器解码器网络提取有雨图像的深度特征并预测有雨图像的深度映射；利用U‑Net网络提取有雨图像的噪声特征；通过带有可学习偏移量的卷积操作对上述两种特征进行采样并利用深度特征引导和精确U‑Net网络对于有雨图像噪声分布的预测；根据扩散模型框架对整个网络进行迭代最终得到去雨的干净图像。本发明可以更有效去除图像中复杂多样的雨水，同时针对被雨水遮挡的背景信息获得更高质量的恢复效果，从而整体提升去雨图像的质量。因此本发明可以为智能的数字城市系统带来更多便利性和安全性。