内容提供者
一种单幅图像去雨方法及装置.pdf
2023-11-19
10金币
3MB
27页
猫巷****奕声
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共27页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
一种单幅图像去雨方法及装置.pdf
本发明提供一种单幅图像去雨方法及装置，通过首先将待处理图像中的纯雨区域识别出来，进一步将所述纯雨区域作为输入进行字典学习及其稀疏表示，获得有雨字典。进而基于有雨字典对所述待处理图像进行稀疏重构，获得雨痕掩模。最后通过雨痕掩模对所述待处理图像进行去雨处理，获得目标图像，即无雨痕的图像。由于该方法仅仅对有雨像素进行处理，无雨像素部分得到保持。因此，本文方法去雨后的图像雨痕残留较少，保持了目标图像中更为丰富的边缘和纹理，大大的提高去雨精确性。
2023-11-19
10
3MB
一种单幅图像去雨方法.pdf
本发明公开了一种单幅图像去雨方法，首先，基于双边滤波将有雨图像分解为高频图像与低频图像。然后，在字典学习阶段，为降低有雨原子与无雨原子间的相似性，引入字典的非相干性，构建了新的目标函数，不仅可以保证聚类时有雨字典与无雨字典的可分性，而且学习的非相干字典具有类似于紧框架的性质，可以逼近等角紧框架。通过有雨字典与无雨字典对高频图像的稀疏表示，能够更好分离出高频图像中的有雨分量与无雨分量，将高频无雨分量与低频图像叠加实现图像去雨。实验结果表明，本发明方法所学习的非相干字典具有较好的稀疏表示性能，去雨后的图像雨线
2023-11-19
10
1.9MB
一种融合注意力单幅图像去雨方法.pdf
本发明涉及一种融合注意力单幅图像去雨方法，包括：首先将输入图像进行批归一化处理，然后输入到三维注意力机制与残差密集块结构相结合的编码器网络得到高维特征；使用Transformer机制计算全局特征关联性；使用三维注意力残差密集块构建的解码器将特征矩阵逐级还原到原始输入图像大小，得到输出图像；针对去雨过程中算法导致的图像结构信息和细节高频信息被抹除问题，提出将多尺度结构性损失和常用去雨损失函数结合参与去雨网络训练。本发明针对单幅有雨图像进行去雨都能得到更高质量的去雨图像。本发明结合了三维注意力机制、Trans
2023-06-29
10
1.5MB
一种基于多尺度聚合特征的单幅图像去雨方法.pdf
本发明属于计算机视觉领域，涉及一种基于多尺度聚合特征的单幅图像去雨方法。本发明是基于一种多尺度特征聚合密集连接卷积网络框架，由编码‑解码网络组成，每一个编码网络对应着一个解码网络；编码网络通过最大池化层降维和下采样，在进行最大池化的过程中记录最大池化的索引位置，并由该池化索引来引导对应的解码网络的上采样恢复过程。其中，编码网络和解码网络在卷积层是一样的，都是特征聚合密集连接卷积模块，只有最大池化和其对应的而上采样过程不同。本发明能够有效地去除不同密度的雨条纹，同时很好地保留了图像的细节。
2023-11-15
10
1.3MB
一种图像去雨方法和装置.pdf
本发明公开了一种图像去雨方法和装置，所述方法包括：利用编码器网络输出有雨图像的编码特征图像；根据所述编码特征图像利用注意力模型输出所述有雨图像的指示有雨区域的注意力特征图像；根据所述编码特征图像以及注意力特征图像利用解码器网络输出所述有雨图像的去雨图像。应用本发明可以更有效地去除图像中的雨滴，更好地保留图像原始信息，提高去雨图像质量。
2023-11-15
10
771KB