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：中国科学技术大学

摘要：本发明公开了一种基于同质化Transformer模型的图像去阴影方法，其步骤包括：1、构建降质图像数据集；2、搭建同质化Transformer模型，取数据集中图像对输入，以监督学习方式训练模型；3、利用训练好的模型测试带阴影区域的图像。本发明构建的同质化Transformer模型通过随机空间打乱创造同质化空间，在该空间中利用基于局部窗口的自注意力层能解决模型中权重共享和阴影区域分布不均匀的矛盾，从而使同质化Transformer模型在图像去阴影任务上取得更优的性能。

主权项：1.一种基于同质化Transformer模型的图像去阴影方法，其特征在于，是按如下步骤进行：步骤1、构建由带有阴影区域的降质图像集合及其对应的干净图像集合组成的阴影图像数据集，其中，由任意一个带有阴影区域的降质图像及其对应的干净图像构成的一个样本对记为x,y，x表示任意一个降质图像，y是x对应的干净图像；步骤2、搭建同质化Transformer模型，包括：编码器和解码器；其中，所述编码器由K个等级的同质化编码模块和K个下采样模块块交替连接组成，所述解码器由K个等级的同质化解码模块和K个上采样模块交替连接组成；其中，第k个等级中的同质化编码模块或同质化解码模块的数量均为Nk；步骤3、训练同质化Transformer模型；步骤3.1、将降质图像x输入所述同质化Transformer模型中，由所述编码器利用式1-式3得到编码特征ex； 式1-式3中，表示第k个等级的第i个多头自注意力编码层输出的编码特征；是空间打乱函数；是空间恢复函数，且为的逆函数；SA·是自注意力函数；LN·是层正则化函数；表示第k个等级的第i个同质化编码模块输入的编码特征；MLP·是全连接前馈编码层；+表示残差连接；表示第k个等级的第i+1个同质化编码模块输入的编码特征；Downsamplek表示第k个下采样模块；表示第k个等级的第Nk个同质化编码模块输入的编码特征，表示表示第k+1个等级的第1个同质化编码模块输入的编码特征；当k＝1,i＝1时，令为x；当k＝K,i＝Nk时，即为编码器输出的编码特征ex；步骤3.2、所述解码器利用式4-式6对ex进行处理，得到所述解码器输出的复原图像y'； 式4-式6中，表示第k个等级的第i个多头自注意力解码层输出的解码特征；是空间打乱函数，是空间恢复函数，且为的逆函数；SA·是自注意力函数；LN·是层正则化函数；表示第k个等级的第i个同质化解码模块输入的解码特征；MLP·是全连接前馈解码层；+表示残差连接；表示第k个等级的第i+1个同质化解码模块输入的解码特征；Upsamplek表示第k个上采样模块；表示第k个等级的第Nk个同质化解码模块输入的解码特征，表示表示第k+1个等级的第1个同质化解码模块输入的解码特征；当k＝1,i＝1时，令为x；当k＝K,i＝Nk时，即为解码器输出的复原图像y'；步骤3.3、利用式7构建Charbonnier损失函数Ly',y： 式3中，∈为常数；步骤3.4、基于阴影图像数据集，利用Adam优化器对同质化Transformer模型进行训练，并计算所述Charbonnier损失函数Ly',y以更新模型参数，直至Charbonnier损失函数Ly',y收敛为止，从而得到训练好的同质化Transformer模型；用于实现对阴影图像的复原。

全文数据：

权利要求：

百度查询： 中国科学技术大学 一种基于同质化Transformer模型的图像去阴影方法