公开(公告)号：CN114693555A

公开(公告)日：2022-07-01

申请号：CN202210317176.4

申请日：2022-03-29

Applicant: 暨南大学

Inventor： 李展 ,  关瑞瑾 ,  张建航 ,  邓茹婷

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种零样本无监督的图像去雾方法及系统，该方法包括下述步骤：获取有雾图像；构建的零样本无监督去雾神经网络包括大气光照图像预测分支，传输图像预测分支和无雾图像预测分支；有雾图像经大气图像和传输图像预测分支获得大气光值图像和传输图像并计算正则化损失；通过变分自编码器损失和大气光值约束损失计算大气图像预测分支的大气光损失；有雾图像经过无雾图像预测分支获得无雾图像，基于统计特性的先验知识计算去雾图损失；计算重建雾图并计算重建损失；总损失为重建损失、去雾图损失、大气光损失和正则化损失相加；循环迭代更新网络参数，完成网络训练，得到最终的去雾结果。本发明提高无监督去雾的推断速度，去雾效果更优。

公开(公告)号：CN114693555B

公开(公告)日：2024-08-02

申请号：CN202210317176.4

申请日：2022-03-29

Applicant: 暨南大学

Inventor： 李展 ,  关瑞瑾 ,  张建航 ,  邓茹婷

IPC: G06T5/73 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明公开了一种零样本无监督的图像去雾方法及系统，该方法包括下述步骤：获取有雾图像；构建的零样本无监督去雾神经网络包括大气光照图像预测分支，传输图像预测分支和无雾图像预测分支；有雾图像经大气图像和传输图像预测分支获得大气光值图像和传输图像并计算正则化损失；通过变分自编码器损失和大气光值约束损失计算大气图像预测分支的大气光损失；有雾图像经过无雾图像预测分支获得无雾图像，基于统计特性的先验知识计算去雾图损失；计算重建雾图并计算重建损失；总损失为重建损失、去雾图损失、大气光损失和正则化损失相加；循环迭代更新网络参数，完成网络训练，得到最终的去雾结果。本发明提高无监督去雾的推断速度，去雾效果更优。

公开(公告)号：CN114359107B

公开(公告)日：2025-01-10

申请号：CN202210026095.9

申请日：2022-01-11

Applicant: 暨南大学

Inventor： 李展 ,  康志清 ,  郝佳男 ,  关瑞瑾

IPC: G06T5/60 ,  G06T5/77 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于共生双模型的无监督图像去雾方法，包括以下步骤：获取图像，进而得到输入图像；构建图像共生双模型网络，对图像共生双模型网络进行训练，通过训练后图像共生双模型网络对待测图像进行处理，得到去雾结果；本发明引入了相对去雾的概念，对于一张图像，不区分这张图像是退化了还是没有退化，即不区分一张图像是否是有雾图像还是无雾图像。输出一张图像，当作有雾图像，进行处理，也可以当作是清晰图像进行处理，两个模型互利共生，联合训练，共同进步，通过这样一个模型来摆脱对于成对有雾与无雾数据集的依赖，达到去雾的效果。

公开(公告)号：CN114359107A

公开(公告)日：2022-04-15

申请号：CN202210026095.9

申请日：2022-01-11

Applicant: 暨南大学

Inventor： 李展 ,  康志清 ,  郝佳男 ,  关瑞瑾

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种基于共生双模型的无监督图像去雾方法，包括以下步骤：获取图像，进而得到输入图像；构建图像共生双模型网络，对图像共生双模型网络进行训练，通过训练后图像共生双模型网络对待测图像进行处理，得到去雾结果；本发明引入了相对去雾的概念，对于一张图像，不区分这张图像是退化了还是没有退化，即不区分一张图像是否是有雾图像还是无雾图像。输出一张图像，当作有雾图像，进行处理，也可以当作是清晰图像进行处理，两个模型互利共生，联合训练，共同进步，通过这样一个模型来摆脱对于成对有雾与无雾数据集的依赖，达到去雾的效果。