[发明专利]一种基于深度语义分割的图像去雾方法有效
| 申请号： | 201911073470.X | 申请日： | 2019-11-05 |
| 公开（公告）号： | CN110766640B | 公开（公告）日： | 2022-03-25 |
| 发明（设计）人： | 苏卓;梁曦文;周凡 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06T7/11 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 510006 广东*** | 国省代码： | 广东;44 |
| 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深度语义分割的图像去雾方法。本发明收集清晰无雾图和相应深度图的数据集，采用PSPNet网络模型构建语义分割模块，采用自动编码器构建去雾模块，并嵌入语义分割模块作为图像去雾模型；制定去雾模型训练策略进行模型训练；取有雾图及对应清晰图片所组成的测试集，对完整的去雾模型进行测试，将有雾图输入到语义分割模块中获得该有雾图的语义分割特征图，再将有雾图和对应语义分割特征图输入到去雾模块中，最后输出清晰无雾图。本发明方法能在较快时间内完成精度高的图像去雾任务，同时基于语义分割信息，能有效避免产生色差和光晕伪影现象，且在PSNR和SSIM指标上能比大部分现有图像去雾方法更好。 | ||
| 搜索关键词： | 一种 基于 深度 语义 分割 图像 方法 | ||
【主权项】：
1.一种基于深度语义分割的图像去雾方法，其特征在于，所述方法包括：/n收集清晰无雾图和相应的深度图的数据集，室内图采用NYU-Depth v2数据集，室外图则采用RESIDE数据集；/n采用在ADE20K数据集下训练的PSPNet网络模型，并对该模型进行微调来构建语义分割模块；/n采用自动编码器来构建去雾模块，并嵌入语义分割模块作为完整的单张图像去雾模型；/n制定去雾模型训练策略，并进行模型训练，进一步修正网络参数得到最好的模型结果，即先设计损失函数，计算损失函数得到当前误差，通过反向传播修改网络参数；/n取有雾图及对应的清晰图片所组成的测试集，对完整的去雾模型进行测试，该最终模型接收一张输入的有雾图，经过语义分割模块后得到相应的语义分割标签图，将有雾图和得到的标签图连接起来并输入到去雾模块中得到对应的清晰结果图。/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中山大学，未经中山大学许可，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/201911073470.X/，转载请声明来源钻瓜专利网。
