买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥工业大学

摘要：本发明涉及一种基于LAB色彩空间的多尺度残差注意力图像去雾方法，包括：制作去雾网络训练所需图像集，从真实单幅图像去噪数据集中随机选取2000张室外图像制作训练图像集和验证图像集；搭建基于多尺度残差注意力模块的亮度分量处理卷积神经子网络；搭建基于多尺度残差注意力模块的色度分量处理卷积神经子网络；采用制作的训练图像集和验证图像集进行上述两个卷积神经子网络的训练；将待测试图像输入到训练好的卷积神经子网络中进行去雾处理。本发明在亮度分量上进行去雾处理，在色度分量上进行颜色增强处理，这样能有效去除含雾图像中的雾并能减少去雾后图像的色彩失真；能够更好地保留图像中不同的细节部分，提升图像的显示效果。

主权项：1.一种基于LAB色彩空间的多尺度残差注意力图像去雾方法，其特征在于：该方法包括下列顺序的步骤：1制作去雾网络训练所需图像集，从RESIDE真实单幅图像去噪数据集中随机选取2000张室外图像制作训练图像集和验证图像集；2搭建基于多尺度残差注意力模块的亮度分量处理卷积神经子网络；在步骤2中，所述多尺度残差注意力模块由4个并行的子层、1个联结层、1个通道注意力模块和1个残差模块组成，每个子层由1个1×1的卷积和1个3×3的膨胀卷积构成；4个子层的膨胀卷积的膨胀系数分别为1、2、5和7；1个联结层将4个并行子层的输出联结在一起；1个通道注意力模块为所有通道的特征赋值不同的权重，用来区分图像中不同的特征；1个残差模块将输入的特征直接按元素加到输出的特征上；基于多尺度残差注意力模块，搭建亮度分量处理卷积神经子网络，亮度分量处理卷积神经子网络由4个多尺度残差注意力模块和3个3×3的卷积构成，每个多尺度残差注意力模块的4个子层的膨胀卷积的膨胀系数为1、2、5和7；3搭建基于多尺度残差注意力模块的色度分量处理卷积神经子网络；所述步骤3具体是指：所述色度分量处理卷积神经子网络采用粗尺度网络和细尺度网络结构，粗尺度网络由2个3×3的卷积和2个多尺度残差注意力模块构成，细尺度网络由2个3×3的卷积和2个多尺度残差注意力模块构成；粗尺度网络中的多尺度残差模块的4个子层的膨胀卷积的膨胀系数为2、5、7和11；细尺度网络中的多尺度残差模块的4个子层的膨胀卷积的膨胀系数为1、2、5和7；4采用制作的训练图像集和验证图像集进行上述两个卷积神经子网络的训练；5将待测试图像输入到训练好的卷积神经子网络中进行去雾处理；所述步骤5具体是指：将待测试图像从RGB色彩空间转换到LAB亮度色度色彩空间，将亮度图像输入到亮度分量处理卷积神经子网络得到处理后的亮度图像，将色度图像输入到色度分量处理卷积神经子网络得到处理后的色度图像，将处理后的亮度图像和色度图像转换到RGB色彩空间，得到去雾后的图像。

全文数据：

权利要求：

百度查询： 合肥工业大学 基于LAB色彩空间的多尺度残差注意力图像去雾方法