本发明涉及一种融合时空频信息的非均匀遥感视频影像去雾方法，所述方法包括以下步骤：获取合成有雾遥感视频影像数据集；构建融合时域、空域和频域信息的非均匀遥感视频影像去雾模型；非均匀遥感视频影像去雾模型训练；待去雾真实遥感视频影像数据获取；待去雾真实遥感视频影像去雾结果的获取。与现有技术相比，通过构建帧间三维卷积时空特征聚合模块，能够有效利用遥感视频影像数据连续帧间的相似信息，挖掘时空特征，提高图像恢复的质量，同时本发明结合频域分析的方法进行帧内去雾，充分考虑影像低频信息和高频信息的差异，均衡影像全局亮度、对比度、颜色信息和恢复局部细节纹理。
📄 2023114259985
📂 G06T5_73
👤 安徽大学
📅 2023-10-30
一种结合大气散射模型的生成对抗网络去雾方法，包括：S1：构建结合大气散射模型和双解码器的生成器；S2：计算原图和假图之间的距离，训练生成器的能力；S3：将输入的图像随机裁剪成Patch块,进行真伪判断,得到结果真伪矩阵后计算平均值,得到最终输出值；S4：提出反向学习PatchGAN结构；S5：当裁剪Patch块时,同时裁剪Patch块的反向块；S6：在原网络上进行生成器、判别器、损失函数的改进；S7：先将有雾图像集输入进生成网络中,将生成网络生成的无雾图像与现实中无雾图像同时输入判别网络中,判别真假,反复进行网络训练,得到生成对抗网络模型,最后在模型中输入测试图像,得到所需要的无雾图像。本发明还包括一种结合大气散射模型的生成对抗网络去雾的系统。
📄 2021109076580
📂 G06T5_00
👤 浙江工业大学
📅 2021-08-09
本发明公开了一种基于多尺度分解的单幅夜间图像去雾方法，涉及图像去雾技术领域。步骤包括：利用相对平滑约束将输入的单幅夜间雾天图像分解为辉光图像和残差图像，去除夜间雾天图像中多光源的辉光效应；利用伽马校正方法对残差图像进行补偿亮度；然后结合全变分约束构造能量优化方程将亮度补偿后的图像分解为一个结构图像和两个尺度的纹理图像；进而利用局部暗通道先验算法对结构残差图像进行去雾操作得到无雾的结构图像；利用三维块匹配去噪算法去除纹理图像T1中的噪声成分；随后对两个尺度的纹理图像进行梯度域增强得到细节清晰的纹理层图像；最后，将去雾后的结构层图像和细节增强后的两个尺度的纹理图像进行线性融合得到无雾的夜间图像。本发明的优势在于去除图像中的雾气干扰、补偿图像的亮度和突出纹理细节的同时，还可以达到噪声抑制的效果。
📄 2021110082050
📂 G06T5_70
👤 西南大学
📅 2021-08-31
本发明公开了一种基于天空区域分割的单幅图像去雾方法，解决了传统暗通道去雾算法对天空区域不适应而产生负面视觉效果的缺点。综合利用图像中的视觉特征，采用一种简单线性迭代聚类和边缘检测相结合的方法准确分割出图像中的天空区域。在此基础上，依据平均饱和度先验对非天空区域进行独立透射率估计，并对天空区域进行独立的视觉效果增强处理，从而克服了对天空区域进行传统去雾处理引起的过增强、色偏等负面效应。最后，针对去雾后图像偏暗的缺点，提出了一种基于导向滤波器的Retinex方法进行增强，进一步提升了去雾处理后图像的视觉效果。
📄 2018103681243
📂 G06T5_00
👤 南京邮电大学
📅 2018-04-23
本发明公开了一种基于混合卷积的通道注意力机制和分层学习的神经网络图像去雾方法，包括以下步骤：构建图像去雾模型；获取有雾图像数据，利用上述多尺度分层提取器分阶段提取雾图六种不同尺度和不同深度的特征图；基于混合卷积和注意力机制构建混合卷积通道注意力模块，该混合卷积通道注意力模块将上述六种特征图融合后的特征进行处理，让去雾模型关注有效的特征进行特征去雾；将上述去雾后的特征通过图像重构模块将特征重构为清晰的无雾图像；计算恢复图像和其清晰图像的损失，优化该图像去雾模型。上述技术方案，对实际拍摄的雾图进行有效的去雾处理，恢复高质量的无雾图像。
📄 2020103195878
📂 G06T5_00
👤 温州大学
📅 2020-04-21
本发明涉及图像处理技术领域，提供一种包含大面积天空区域的图像去雾方法及系统，方法包括：对拍摄到的有雾图像I(x)进行四叉树分割，将有雾图像分割为若干个图像区域，并在若干个图像区域中获得种子点；以获取到的种子点为基础进行天空区域生长，获取包含天空区域和非天空区域的图像，计算大气光值A；计算非天空区域的介质透射率t1(x)，同时将天空区域的介质透射率统一设置为tsky；对包含天空区域和非天空区域的图像进行边界模糊，计算得到高斯加权参数；对图像中的天空区域和非天空区域进行透射率融合；根据有雾图像的大气散射模型，计算去雾后的图像J(x)，从而得到清晰无雾图像，尤其是适用于包含大面积天空区域的雾霾图像的处理。
📄 2016105560884
📂 G06T5_00
👤 潍坊学院
📅 2016-07-15
本发明涉及图像去雾处理技术领域，提供一种图像去雾处理中大气光值计算方法及系统，所述方法包括：对输入的彩色图像中任意像素三通道进行最小值滤波；对执行最小值滤波后的图像进行两次形态学滤波，获得形态学滤波后的图像；对形态学滤波后的图像进行天空区域的粗定位，获取子天空图像；对子天空图像进行区域生长，计算彩色图像中的天空区域；根据已经获取到的天空区域，计算大气光值，实现对大气光值的计算，同时可一定程度抵消天空区域白色云朵等带来的影响，又能排除彩色图像中可能存在的尖锐噪声引发的偏差，并为后续的图像去雾奠定基础。
📄 2017101491428
📂 G06T5_00
👤 潍坊学院
📅 2017-03-14
本申请公开了一种图像去雾方法、装置、设备及存储介质，属于数字图像处理技术领域。本申请对原始图像进行二维小波分解，得到所述原始图像对应的水平低频分量、水平高频分量、垂直低频分量和垂直高频分量；对所述水平低频分量和所述垂直低频分量进行去雾处理，得到去雾水平低频分量和去雾垂直低频分量；对所述水平高频分量和垂直高频分量进行去噪处理，得到去噪水平高频分量和去噪垂直高频分量；将所述去雾水平低频分量、所述去雾垂直低频分量、所述去噪水平高频分量和所述去噪垂直高频分量进行小波重构，得到去雾图像。在本申请中，在改善原始图像（雾天图像）的退化现象的同时，提高了图像的清晰度。
📄 2022101395239
📂 G06T5_00
👤 深圳清瑞博源智能科技有限公司
📅 2022-02-16
本发明属于图像处理技术领域，具体涉及一种基于聚合像素特征提取的图像去雾方法；该方法包括：获取待去雾图像，并将其输入到训练好的图像去雾模型中进行处理，得到清晰图像；所述图像去雾模型包括：三个APBM模块、两个RAPBM模块、卷积层和特征融合层；APBM模块由8个子单元依次连接组成，第一个APBM模块的子单元由3×3卷积层和APB模块组成；RAPBM模块由4个子单元依次连接组成，每个子单元由上采样层、AFF模块和APB模块组成；本发明能够在保持高精度去雾效果的同时，提高泛化能力和去雾效果的准确性。
📄 2024117307171
📂 G06T5_77
👤 重庆邮电大学
📅 2024-11-29
本发明涉及图像处理领域，公开了一种基于生成对抗网络和多尺度融合的图像去雾方法及系统，方法包括：构建包括第一去雾单元和第二去雾单元的图像去雾模型；将真实有雾图像输入训练好的图像去雾模型，通过第一去雾单元对真实有雾图像进行暗通道先验去雾处理，得到第一传输映射图像和第一去雾图像；通过第二去雾单元对第一传输映射图像和第一去雾图像进行特征细化处理，得到第二传输映射图像和第二去雾图像；并对第二传输映射图像进行物理去雾处理，得到第三去雾图像；对第二去雾图像和第三去雾图像进行图像融合，得到最终的无雾图像。本发明结合了基于物理模型先验方法和基于深度学习方法对图像进行去雾处理，提高了去雾精度和效率。
📄 2022110283001
📂 G06V10_26
👤 暨南大学
📅 2022-08-25
本发明涉及一种基于LAB色彩空间的多尺度残差注意力图像去雾方法，包括：制作去雾网络训练所需图像集，从真实单幅图像去噪数据集中随机选取2000张室外图像制作训练图像集和验证图像集；搭建基于多尺度残差注意力模块的亮度分量处理卷积神经子网络；搭建基于多尺度残差注意力模块的色度分量处理卷积神经子网络；采用制作的训练图像集和验证图像集进行上述两个卷积神经子网络的训练；将待测试图像输入到训练好的卷积神经子网络中进行去雾处理。本发明在亮度分量上进行去雾处理，在色度分量上进行颜色增强处理，这样能有效去除含雾图像中的雾并能减少去雾后图像的色彩失真；能够更好地保留图像中不同的细节部分，提升图像的显示效果。
📄 2021113273878
📂 G06T5_00
👤 合肥工业大学
📅 2021-11-10
本发明公开了一种基于多尺度卷积神经网络的单幅户外图像去雾方法，属于计算机视觉领域。本发明包括以下步骤：根据大气散射模型，构造训练样本集；基于深度学习思想，搭建多尺度卷积神经网络；依据所搭建的多尺度卷积神经网络，构造目标函数；基于构造的目标函数，训练多尺度卷积神经网络。本发明无需获取户外图像的先验知识，并可有效地保存图像的边缘、纹理、色彩、对比度和饱和度等信息。
📄 2019103977247
📂 G06T5_00
👤 燕山大学; 北京计算机技术及应用研究所
📅 2019-05-14
柿子坊 · 知识产权运营
柿子坊知识产权运营平台