[发明专利]一种基于全局和局部特征融合的图像去雾方法有效
| 申请号： | 201910723334.4 | 申请日： | 2019-08-06 |
| 公开（公告）号： | CN110544213B | 公开（公告）日： | 2023-06-13 |
| 发明（设计）人： | 李岳楠;吴帅 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 李林娟 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于全局和局部特征融合的图像去雾方法，所述方法包括以下步骤：基于编码器‑解码器架构构建去雾网络，在编码器和解码器之间设置多个稠密连接单元，由稠密连接单元实现特征图的局部和全局融合；编码器‑解码器架构输出的特征图经过后续的卷积神经网络，得到去雾图；使用L1范数损失函数、感知损失函数和梯度损失函数的线性组合训练去雾网络；训练结束后，输入一张雾霾图像得到去雾图像。本方法不需要图像的先验信息，也不需要估计传输率，可以直接从一张雾霾图像得到去雾图像。 | ||
| 搜索关键词： | 一种 基于 全局 局部 特征 融合 图像 方法 | ||
【主权项】：
1.一种基于全局和局部特征融合的图像去雾方法，其特征在于，所述方法包括以下步骤：/n基于编码器-解码器架构构建去雾网络，在编码器和解码器之间设置多个稠密连接单元，由稠密连接单元实现特征图的局部和全局融合；/n编码器-解码器架构输出的特征图经过后续的卷积神经网络，得到去雾图；/n使用L1范数损失函数、感知损失函数和梯度损失函数的线性组合训练去雾网络；/n训练结束后，输入一张雾霾图像得到去雾图像。/n
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天津大学，未经天津大学许可，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/201910723334.4/，转载请声明来源钻瓜专利网。
