[发明专利]基于深度学习神经网络的图像去雾方法及系统在审
| 申请号： | 201711001504.5 | 申请日： | 2017-10-24 |
| 公开（公告）号： | CN107749052A | 公开（公告）日： | 2018-03-02 |
| 发明（设计）人： | 任航;宋玉龙;郭巳秋;刘博超 | 申请（专利权）人： | 中国科学院长春光学精密机械与物理研究所 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00 |
| 代理公司： | 深圳市科进知识产权代理事务所(普通合伙)44316 | 代理人： | 赵勍毅 |
| 地址： | 130033 吉林省长春*** | 国省代码： | 吉林;22 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于深度学习神经网络的图像去雾方法及系统，方法包括将含雾图像输入到深度学习神经网络系统；深度学习神经网络系统对所述含雾图像进行特征提取，自主学习并提取雾相关特征；对含雾图像进行多尺度映射，在不同尺度下集中提取含雾图像的特征，形成特征图；对特征图上的每一个像素进行局部极值，并保持分辨率不变，得到处理后的图像；对处理后的图像进行非线性回归操作，得到初始透射率t(x)；利用引导滤波器优化透射率，对所述处理后的图像进行图像平滑处理；计算大气光参数；根据初始透射率t(x)及大气光参数，恢复无雾图像。本发明在系统和现有去雾方法间建立了联系，在保证效率和易实现的基础上，比现有方法展现出了更好的去雾性能。 | ||
| 搜索关键词： | 基于 深度 学习 神经网络 图像 方法 系统 | ||
【主权项】：
一种基于深度学习神经网络的图像去雾方法，其特征在于，包括如下步骤：步骤1、将含雾图像输入到深度学习神经网络系统；步骤2、所述深度学习神经网络系统对所述含雾图像进行特征提取，自主学习并提取雾相关特征；步骤3、对所述含雾图像进行多尺度映射，在不同尺度下集中提取所述含雾图像的特征，形成特征图；步骤4、对所述特征图上的每一个像素进行局部极值，并保持分辨率不变，得到处理后的图像；步骤5、对所述处理后的图像进行非线性回归操作，得到初始透射率t(x)；步骤6、利用引导滤波器优化透射率，对所述处理后的图像进行图像平滑处理；步骤7、计算大气光参数；步骤8、根据所述初始透射率t(x)及所述大气光参数，恢复无雾图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院长春光学精密机械与物理研究所，未经中国科学院长春光学精密机械与物理研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711001504.5/，转载请声明来源钻瓜专利网。
