[發明專利]基于卷積神經網絡的單圖像去雨方法有效
| 申請號: | 201911095524.2 | 申請日: | 2019-11-11 |
| 公開(公告)號: | CN110852972B | 公開(公告)日: | 2022-10-18 |
| 發明(設計)人: | 胡伏原;葉子寒;李林燕;孫鈺;溫堯樂 | 申請(專利權)人: | 蘇州科技大學 |
| 主分類號: | G06T5/00 | 分類號: | G06T5/00 |
| 代理公司: | 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257 | 代理人: | 王玉仙 |
| 地址: | 215009 *** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 卷積 神經網絡 圖像 方法 | ||
1.一種基于卷積神經網絡的單圖像去雨方法,其特征在于,包括:
利用RK 塊來代替殘差塊以更高效地提取特征;利用特征轉換連結操作來處理多尺度雨線;
其中,卷積神經網絡的網絡架構由四部分組成:
(1)由一個被ReLU函數激活的卷積層構成的輸入層來提取較淺層的特征:
(7)
(2)一系列的RK塊來提取更高層的特征:
(8)
其中RK塊是由四個不同的非線性映射模塊G和一個通道注意力加權操作Squeeze-and-Excitation(SE)組成的:
(9)
每個非線性映射模塊由兩個卷積層堆疊而層:
(10)
(11)
(12)
(13)
在四個不同的非線性映射模塊提取后,引入了SE模塊來逐個通道地對有用通道的信息進行加權,對無用通道的信息進行抑制;
(3)卷積神經網絡中越深層的卷積層的感受野越大,這對處理小尺度的雨線是不利的;因此在每個RK塊提取特征后,都會用一個特征轉換連接(Feature Transmission joint)來將處理前的特征和處理后的特征進行融合以防止關鍵信息的損失:
(14)
其中,FT表示特征轉換連接,[·,·]是特征拼接操作;
(4)最后,用一個沒有激活函數的卷積層將抽取到的深度特征解碼成被修復的無雨圖像:
(15)。
2.一種計算機設備,包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序,其特征在于,所述處理器執行所述程序時實現權利要求1所述方法的步驟。
3.一種計算機可讀存儲介質,其上存儲有計算機程序,其特征在于,該程序被處理器執行時實現權利要求1所述方法的步驟。
4.一種處理器,其特征在于,所述處理器用于運行程序,其中,所述程序運行時執行權利要求1所述的方法。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于蘇州科技大學,未經蘇州科技大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201911095524.2/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種基于人工智能的中藥識別方法
- 下一篇:一種用于定位治具的蓋板開合裝置
- 彩色圖像和單色圖像的圖像處理
- 圖像編碼/圖像解碼方法以及圖像編碼/圖像解碼裝置
- 圖像處理裝置、圖像形成裝置、圖像讀取裝置、圖像處理方法
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序以及圖像解碼程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序、以及圖像解碼程序
- 圖像形成設備、圖像形成系統和圖像形成方法
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序





