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：西南大学

摘要：本发明涉及图像复原技术领域，具体公开了一种基于多流聚合双注意力稠密连接网络的图像复原方法，使用同一种网络模型同时处理图像去雨、图像去雾、低照度增强三个任务。首先，为了充分提取图像上下文信息，本方法设计了多流细节上下文聚合模块，利用不同等级的感受野提取多级结构化、互补化的高阶抽象特征。然后，为了增强信息流在深层网络中的传递，同时缓解梯度消失问题，本方法引入了稠密连接模块，实现多级特征信息跨模块的融合及复用。接着，由极化自注意力模块及监督校准模块组成的双注意力模块依次从通道维度、空间维度中对关键特征进行深入调整。其效果是，在图像去雨、图像去雾、低照度图像复原任务中表现出了具有竞争力的结果。

主权项：1.一种基于多流聚合双注意力稠密连接网络的图像复原方法，其特征在于，包括步骤：S1、将获取的降质图像进行预处理，分别得到三种不同类型的数据集：图像去雨数据集、图像去雾数据集和低照度增强数据集；S2、构建基于多流聚合双注意力稠密连接的神经网络模型；所述神经网络模型包括顺序连接的第一通道转换模块、联合卷积模块、第二通道转换模块、第一加和模块，所述联合卷积模块包括2个以上顺序连接的联合卷积单元，所述联合卷积单元包括顺序连接的多流细节上下文聚合模块、稠密连接模块、极化自注意力模块和监督校准模块；所述第一通道转换模块将所述降质图像映射为多通道特征图输入所述联合卷积模块；所述多流细节上下文聚合模块用于以多个比例捕获输入的特征图的空间上下文信息并与输入的特征图进行加和得到新的特征图输入所述稠密连接模块；所述稠密连接模块通过跳跃连接将所述第一通道转换模块输出的特征图和在此之前的所有所述多流细节上下文聚合模块的输出特征图作为本单元的额外输入，并以拼接的方式实现特征图的复用，接着通过1×1卷积层对融合后的特征图进行维度缩减；所述极化自注意力模块与所述监督校准模块组成双注意力模块依次从通道维度、空间维度中对关键特征进行深入调整；所述第二通道转换模块将所述联合卷积模块输出的特征图转换为彩色图像；所述第一加和模块将所述彩色图像与所述降质图像进行加和生成复原图像；S3、分别利用步骤S1构建好的三种数据集，并使用优化过后的混合损失函数对所述神经网络模型进行训练，通过反向传播算法更新模型参数，不断迭代得到最后的训练好的三种模型：去雨模型、去雾模型和低照度增强模型；S4、将步骤S3得到的三种模型集成到一个图像复原系统中，另外将待处理的降质图像输入到该图像复原系统，利用自然图像质量评估指标进行判断，最终输出效果最好的复原图像。

全文数据：

权利要求：

百度查询： 西南大学 基于多流聚合双注意力稠密连接网络的图像复原方法