基于超分辨率的图像去雾方法、装置、设备及程序产品
技术特征:
1.一种基于超分辨率的图像去雾方法,其特征在于,方法包括:
2.根据权利要求1所述的方法,其特征在于,所述上下文特征聚合网络包括依次连接的多个并行连接的空洞卷积、连接层和1*1大小的第一卷积层;所述特征提取网络包括多个级联的频分远距离残差块;所述图像重建网络包括依次连接的3*3大小的卷积层、转置卷积层和1*1大小的第二卷积层;所述边缘增强网络包括依次连接的拉普拉斯算子、线性嵌入操作、多个transformer块和上采样层。
3.根据权利要求2所述的方法,其特征在于,根据预先配置的超分辨率增强网络对低分辨率图像进行增强,获得第二图像,具体为:
4.根据权利要求3所述的方法,其特征在于,在根据第二卷积层融合重建图像和第一图像的上采样结果,得到中间分辨率图像之前,还包括:采用双三次插值算法对第一图像进行上采样,获得第一图像的上采样结果。
5.根据权利要求1所述的方法,其特征在于,所述门控上下文聚合网络包括编码器、上下文聚合模块、门控子网络和解码器。
6.根据权利要求1所述的方法,其特征在于,所述图像重构损失函数的表达式为:其中,n为像素点总数,n为像素点位置,i为通道数,ei为无雾图像和雾天图像之间的真实残差,与门控上下文聚合网络推理得到的除雾图像和雾天图像之间残差之间的差距。
7.根据权利要求1所述的方法,其特征在于,所述图像结构相似损失函数的表达式为其中,j表示输出的特征层位置,cj、hj、wj分别表示第j层特征图的通道数、高度、宽度,和fj(y)分别为对应预测清晰图和真实清晰图在第j个卷积层后得到的特征图。
8.一种基于超分辨率的图像去雾装置,其特征在于,装置包括:
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述的一种基于超分辨率的图像去雾方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的一种基于超分辨率的图像去雾方法。
技术总结
本申请公开了基于超分辨率的图像去雾方法、装置、设备及程序产品,涉及图像处理领域,其技术方案要点是:获取雾天场景下拍摄的第一图像;根据预先配置的超分辨率增强网络对第一图像进行增强,获得第二图像;所述超分辨率增强网络包括依次连接的上下文特征聚合网络、特征提取网络、图像重建网络和边缘增强网络;基于门控上下文聚合网络对第二图像进行去雾,获得无雾图像;其中引入由图像重构损失函数和图像结构相似损失函数加权求和所得的复合损失函数作为门控上下文聚合网络的损失函数。解决了超分辨率重建时忽略了图像中高频特征分量导致的无法有效保留图像细节,以及去雾方式未考虑图像的整体结构信息和图像细节保留的问题。
技术研发人员:李俊,冉泳屹,易刘杨,赵江同,许国良
受保护的技术使用者:重庆邮电大学
技术研发日:
技术公布日:2024/11/26
技术研发人员:李俊,冉泳屹,易刘杨,赵江同,许国良
技术所有人:重庆邮电大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
