[发明专利]一种基于深度学习的移动设备图像去雾方法有效
| 申请号： | 201810652664.4 | 申请日： | 2018-06-22 |
| 公开（公告）号： | CN108898562B | 公开（公告）日： | 2022-04-12 |
| 发明（设计）人： | 杨溪;范玉龙;余涛;陈荣;张天伦 | 申请（专利权）人： | 大连海事大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00 |
| 代理公司： | 大连东方专利代理有限责任公司 21212 | 代理人： | 姜玉蓉;李洪福 |
| 地址： | 116026 辽*** | 国省代码： | 辽宁;21 |
| 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学习的移动设备图像去雾方法，包括以下步骤：获取实时采集的有雾图像；有雾图像输入区域检测网络，逐区域地提取有雾图像特征并输出有雾图像相关的特征图；特征图传入非线性回归网络层，获得有雾图像每个小区域的媒介透射率，得到透射率矩阵；透射率矩阵传入导向滤波模块，输出精细化透射率矩阵；通过透射率矩阵和有雾图的灰度图来计算大气光；通过透射率矩阵恢复所述采集到的有雾图像获得去雾后的图像。本发明通过具有区域检测功能的深度神经网络模型作为去雾方法的主体模型，在训练网络模型时不需要把图像裁剪成固定大小的图像块，扩大了各层的网络节点的感受野，充分考虑到图像中各个区域间的关系。 | ||
| 搜索关键词： | 一种 基于 深度 学习 移动 设备 图像 方法 | ||
【主权项】：
1.一种基于深度学习的移动设备图像去雾方法，其特征在于，包括以下步骤：S1：获取实时采集的有雾图像；S2：将步骤S1采集的所述有雾图像输入区域检测网络，逐区域的提取所述有雾图像有雾特征并输出有雾图像特征图；S3：将步骤S2输出的所述有雾图像特征图传入非线性回归网络，获得所述有雾图像的每个小区域的媒介透射率得到透射率矩阵；S4：将透射率矩阵精细化处理得到精细化透射率矩阵；S5：通过所述精细化透射率矩阵和有雾图像灰度图计算大气光；S6：通过所述精细化透射率矩阵恢复所述采集到的有雾图像获得去雾后的图像并将图像输出。
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大连海事大学，未经大连海事大学许可，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/201810652664.4/，转载请声明来源钻瓜专利网。
