专利交易市场

本发明公开了基于注意力平滑膨胀卷积的两阶段图像去雨方法，由以下步骤组成：步骤S1：通过引导滤波器将原始雨天图像进行边缘移除并不断迭代直到得到完整的雨纹信息图，步骤S2：在雨纹信息图的引导下，对原始雨天图像中的雨纹信息进行提取，生成雨纹注意力图，步骤S3：将原始雨天图像和雨纹注意力图输入第一平滑膨胀卷积网络中，提取不同感受野的特征获得残差图，通过原始雨天图像减去残差图获得去雨纹图像；步骤S4：将去雨纹图像输入第二平滑膨胀卷积网络，将去雨纹图像内的类雾降质进行去除得到去雨去雾图像；本发明考虑了雨纹和雨雾混合降质，在真实雨天图像的处理上表现出优越性，在提高图像质量的同时，很好保持了细小边缘纹理。

本发明涉及图像复原技术领域，公开了一种基于梯度先验驱动的深度网络图像去雨方法，包括：步骤1：获取雨天拍摄的待处理受损图像；步骤2：融合基于模型驱动的方法和基于深度神经网络方法，在构建深度网络框架模型时，引入梯度域特征构建模型驱动深度网络的误差控制项，构建梯度先验驱动的深度网络去雨模型；步骤3：对所述梯度先验驱动的深度网络去雨模型进行求解，输出雨痕图像和恢复的清晰图像。与现有技术相比，本发明在结合模型驱动方法和深度学习兼容的基础上，在构建深度网络框架模型时，引入了梯度域特征构建模型驱动深度网络的误差控制项，改善了图像去雨能力和信息恢复质量。

本发明涉及图像处理技术领域，公开了一种基于稀疏盲探测和图像多重特征修复的图像去雨方法，包括以下步骤：(1)通过雨痕探测模型探测出图像中雨的分布位置，并生成雨痕分布模板；(2)利用所述雨痕分布模板，通过图像去雨和修复模型对有雨存在的图像区域进行去雨处理和图像信息修复处理，对无雨污染的区域保留原有信息，实现图像去雨和修复。与现有技术相比，本发明能够实现更高性能的图像去雨和图像信息保护。