该算法利用类似于UNet的编码器-解码器结构来直接学习、输入自适应去雾模型。具体来说,首先在编码器子网络中采用 CNN 得到不同尺度的特征图;然后在解码器子网络中依次从编码的特征图中恢复图像细节,为了充分利用输入信息来准确估计编码器-解码器结构的细节,该算法采用跳跃连接的方式将编码器子网络的特征图与解码器子...
4.本发明的目的在于提供一种基于unet3+的多尺度连接图像去雾算法,旨在解决现有技术中的去雾算法对于多变化的真实图像去雾效果较差的技术问题。 5.为实现上述目的,本发明采用的一种基于unet3+的多尺度连接图像去雾算法,包括如下步骤: 6.将雾霾图像的数据集输入去雾网络中; 7.编码部分对雾霾图像数据集提取特征信息...
本发明公开了一种基于UNet3+的多尺度连接图像去雾算法,将雾霾图像数据集输入去雾网络中,在每一级编码器中运用残差网络和非局部块操作提取当前尺度的特征信息,接着进行下采样操作降低雾霾图像尺度,使得后一级编码器提取到不同尺度的特征信息,依次经过三级编码器,分别提取到雾霾图像不同尺度的特征信息,将来自不同层级...
专利摘要:本发明公开了一种基于UNet3+的多尺度连接图像去雾算法,将雾霾图像数据集输入去雾网络中,在每一级编码器中运用残差网络和非局部块操作提取当前尺度的特征信息,接着进行下采样操作降低雾霾图像尺度,使得后一级编码器提取到不同尺度的特征信息,依次经过三级编码器,分别提取到雾霾图像不同尺度的特征信息,将来自...