“去雾设”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果717792个，建议您升级VIP下载更多相关专利

[发明专利]一种图像去雾方法及装置-CN201610290289.4有效
发明人：李振波;李晨;郭传鑫;杜攀;段作栋 -专利权人：中国农业大学
申请日： 2016-05-04 - 公布日： 2020-12-11 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种图像去雾方法及装置，包括：获取待去雾图像、根据待去雾图像，获取大气光值；获取所述待去雾图像的R通道矩阵，并获取所述待去雾图像的R通道矩阵的R通道频域矩阵；获取所述R通道频域矩阵中每个像素所处的行位置以及所述；根据上述参数获取由高斯滤波器、高斯高通滤波器和高斯带阻滤波器加权形成的加权平均滤波器；将R通道频域矩阵与加权平均滤波器进行卷积，并将卷积结果转换成空域，以获取透射率图；根据大气光值和透射率图，获取待去雾图像的去雾图像本发明由于通过加权平均滤波器与R通道频域矩阵进行卷积，使去雾图像清晰度高。
一种图像方法装置

[发明专利]基于先验信息的图像去雾方法-CN201910720005.4有效
发明人：周慧鑫;赵星;邓宝凯;宋江鲁奇;李欢;张喆;黄楙森;谭威;张嘉嘉;于跃;秦翰林;王炳健 -专利权人：西安电子科技大学
申请日： 2019-08-06 - 公布日： 2022-04-29 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于先验信息的图像去雾方法，根据暗通道先验结合远景浓雾区域像素点估计大气光值；根据色彩衰减先验分别确定远景浓雾区域像素点和近景薄雾区域像素点对应的大气透射率；根据暗通道先验确定近景薄雾区域像素点对应的大气透射率；确定去雾后的远景浓雾区域像素点对应的像素值和近景薄雾区域像素点对应的像素值；将所述去雾后的远景浓雾区域像素点对应的像素值和去雾后的近景薄雾区域像素点对应的像素值进行区域组合获得去雾后的图像。本发明通过改进暗通道先验和色彩衰减先验去雾算法在去雾应用中的不足，对于多种场景下的薄雾图像均有良好的去雾效果。
基于先验信息图像方法

[发明专利]基于深度学习的视频去雾系统-CN201910808161.6在审
发明人：张婷;赵杏 -专利权人：北京理工大学
申请日： 2019-08-29 - 公布日： 2019-12-06 - 主分类号： G06T5/00 文献下载
摘要：本发明基于深度学习，设计出一款实时的视频去雾系统。采用端到端的图像去雾方法，搭载轻量级的卷积神经网络，同时学习大气散射模型中的透射率t(x)和大气光A参数，直接生成去雾图像；结合前背景分割法和双三次插值算法对视频图像进行处理进一步提高了视频处理的实时性；在NYU2数据集上根据大气散射模型生成有雾图的方法得到有雾图像数据集，用于训练和测试。本发明设计出的视频去雾系统可移植性强，能够嵌入到硬件处理器中，能应用到交通视频去雾、无人驾驶、计算机视觉辅助驾驶中，去雾能力显著，视觉效果好，是一款有效的视频去雾系统。
去雾散射模型视频双三次插值算法卷积神经网络对视频图像计算机视觉图像数据集硬件处理器背景分割辅助驾驶交通视频可移植性去雾图像视觉效果视频处理图像去雾无人驾驶实时性数据集透射率嵌入测试学习应用

[发明专利]基于暗亮原色先验与自适应参数优化的图像去雾方法-CN201810515497.9有效
发明人：高涛;王嘉锐;陈婷;刘占文;梁闪;曹金沛 -专利权人：长安大学
申请日： 2018-05-25 - 公布日： 2022-06-07 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了基于暗亮原色先验与自适应参数优化的图像去雾方法，根据白色区域像素值普遍较高的特点提出了亮原色先验理论，将该理论与暗原色先验理论相结合，有效解决了雾天图像中白色区域的去雾问题，将类天空区域的像素值与最大暗通道值进行自适应的加权处理，使得求取的大气光值鲁棒性更强，再通过自适应权值优化的图像去雾算法，从而更好的实现了去雾后图像的优化处理，通过自适应尺度的引导滤波算法，将原有雾图像的尺寸大小自适应调节滤波尺度，使得滤波后效果更佳，从而实现图像的有效去雾，本方法不仅有效解决了原算法不适用于大面积白色区域和去雾后图像偏暗等问题，而且去雾之后的图像视觉效果更加真实自然。
基于原色先验自适应参数优化图像方法

[实用新型]一种基于高清视频去雾的雾天倒车影像装置-CN202220145887.3有效
发明人：吴宪云;柯静;李云松;王向前;赵思茹 -专利权人：南京亿芯亿意信息科技有限公司
申请日： 2022-01-19 - 公布日： 2022-07-19 - 主分类号： H04N7/18 文献下载
摘要：本实用新型公开一种基于高清视频去雾的雾天倒车影像装置，包括倒车触发模块、视频采集模块、视频去雾模块和视频显示模块；所述倒车触发模块与车辆固有的档位监测模块相连，用于在车辆倒车时触发视频采集模块进行视频采集；所述视频采集模块安装于车辆尾部，用于采集车辆后侧区域的视频影像并将采集到的视频实时传输到视频去雾模块；所述视频去雾模块中加载有图像去雾算法，用于对接收到视频进行逐帧去雾处理并将处理后的视频传输到视频显示模块；所述视频显示模块设置于车内，用于接收视频去雾模块处理后的视频并进行显示，以便于驾驶人员观察车后情况。本装置的处理延迟小，满足倒车视频的实时性需求，能够辅助驾驶人员在雾天进行室外安全倒车。
一种基于视频倒车影像装置

[发明专利]图像处理方法、装置、计算机可读存储介质和移动终端-CN201710626241.0有效
发明人：袁全 -专利权人： OPPO广东移动通信有限公司
申请日： 2017-07-27 - 公布日： 2020-05-12 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种图像处理方法、装置、计算机可读存储介质和移动终端，所述方法包括：获取待处理图像；根据预设模型获取所述待处理图像中每一个像素的去雾参数，根据所述去雾参数对所述待处理图像进行去雾处理；统计所述去雾参数中在预设参数范围内的去雾参数的参数数量；若所述参数数量超过预设数量范围，则将所述去雾处理后的待处理图像进行白平衡处理。上述图像处理方法、装置、计算机可读存储介质和移动终端，可以减少去雾处理后的待处理图像的颜色失真，提高图像处理的准确性。
图像处理方法装置计算机可读存储介质移动终端

[发明专利]一种基于改进生成对抗网络的交通图像去雾方法-CN202110129493.9有效
发明人：张立伟;张增辉;何炳蔚 -专利权人：福州大学
申请日： 2021-01-29 - 公布日： 2022-06-21 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种基于改进生成对抗网络的交通图像去雾方法，包括步骤：建立交通图像去雾数据集；搭建基于混合注意力的生成器网络和多尺度判别器网络，并优化损失函数；使用建立的交通图像去雾数据集训练基于混合注意力的生成器网络和多尺度判别器网络；将需要去雾的图像输入至训练好的生成器网络中，得到去雾后的图像。本发明能够解决在对交通图像进行去雾时出现的颜色失真、细节丢失以及浓雾区域去雾效果不理想问题。
一种基于改进生成对抗网络交通图像方法

[发明专利]一种基于渐进式导向强监督神经网络的图像去雾方法-CN202010075090.6有效
发明人：徐向民;赵银湖;邢晓芬 -专利权人：华南理工大学
申请日： 2020-01-22 - 公布日： 2023-06-20 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于渐进式导向强监督神经网络的图像去雾方法，包括步骤：构建端到端的卷积神经网络，该网络输入为原始的有雾RGB图像，输出为清晰的RGB图像；卷积神经网络由3个相同结构的去雾模块首尾相连，上一个去雾模块的输出作为下一个去雾模块的输入；每个去雾模块由1个神经网络块和1个导向滤波层组成；在每个去雾模块中，神经网络块对图像进行去雾处理，得到3通道的RGB输出，导向滤波层以原始有雾RGB图像作为指导，对当前去雾模块中神经网络块的3通道RGB本发明构建的卷积神经网络在基于训练数据进行学习重建后，在实际进行应用时，可直接将有雾的RGB图像输入到网络中，进而得到清晰度更好、质量更高的无雾图像。
一种基于渐进导向监督神经网络图像方法

[发明专利]基于极端散射通道的单图像去雾方法-CN202010453074.6在审
发明人：高昆;豆泽阳;张宇桐;王俊伟;胡梓博;张晓典;张震洲;吴穹 -专利权人：北京理工大学
申请日： 2020-05-26 - 公布日： 2020-08-28 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于极端散射通道的单图像去雾方法，涉及图像处理领域，去雾方法包括：获取原始有雾图像；构建雾天成像物理模型；暗通道先验；亮通道先验；将亮通道先验的结果与暗通道先验的结果互补成为极端通道，并进行极端通道散射分析；估计透射率；估计大气光；根据极端通道先验给出的透射率、大气光、雾天成像物理模型计算得到最终的去雾清晰图像。本发明提出极端通道先验这一全新的先验假设来估计透射率和大气光，可以对天空或者偏白物体等区域进行正确的去雾，且效果较好，准确率更高，并且对于浓雾的去雾效果显著，不容易造成颜色失真，最终去雾颜色比较自然真实
基于极端散射通道图像方法

[发明专利]一种基于多尺度网络的图像增强去雾方法-CN202010318350.8有效
发明人：郭宇;丁轩;董航;项蕾;张昕昳;王飞 -专利权人：西安交通大学
申请日： 2020-04-21 - 公布日： 2023-09-19 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于多尺度网络的图像增强去雾方法，包括以下步骤：基于U型网络的架构设计多尺度增强去雾网络，多尺度增强去雾网络包括编码器模块GEnc、基于boosting算法的解码器模块GDec及特征复原模块GRes，其中，编码器模块GEnc用于对有雾图像进行不同尺度有雾特征的提取，解码器模块GDec用于通过对有雾特征进行修复，解码器模块GDec的末端连接有卷积层，卷积层用于通过最终修复的特征重建去雾后的图像#imgabs0#该方法能够实现图像的去雾，且去雾效果较好。
一种基于尺度网络图像增强方法

[发明专利]一种图像去雾方法及其系统-CN201710666291.1有效
发明人：梁义涛;赵奎斌;李亚飞;李岚;胡江汇 -专利权人：河南工业大学
申请日： 2017-08-07 - 公布日： 2020-08-21 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种图像去雾方法及其系统，具体为，基于对对比度增强模型的认识，将大气散射模型变形并简化为线性模型，用可变参数的线性模型描述含雾图像，在基于大气散射模型的初步去雾处理后，再通过遗传算法进行参数寻优，最终实现高质量的图像去雾。通过上述方案，本发明能够对含雾图像有效消除雾霾，并且去雾图像质量高，而且对于不同种类的雾霾图像均能够有效的处理。
一种图像方法及其系统

[发明专利]基于扩散信息的在有雾条件下的图像去雾方法及系统-CN202110848036.5有效
发明人：贺越生;杨明;孙玉山;曹炳全 -专利权人：上海交通大学
申请日： 2021-07-27 - 公布日： 2023-10-27 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于扩散信息的在有雾条件下的图像去雾方法及系统，该方法包括：采集待检测区域的有雾图像；利用图像扩散对采集的有雾图像进行图像信息增强；将经过处理后的图像输出。该系统包括：图像采集模块、去雾处理模块以及图像输出模块。通过本发明，基于图像扩散的形成机理来实现图像去雾，可以获得更好的去雾效果，成本低、操作简单、计算复杂度低。
基于扩散信息条件下图像方法系统

[发明专利]基于金字塔高效通道注意力机制的单幅图像去雾方法和系统-CN202310294813.5在审
发明人：左方;刘家萌;高铭远 -专利权人：河南大学
申请日： 2023-03-23 - 公布日： 2023-07-21 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种基于金字塔高效通道注意力机制的单幅图像去雾方法和系统。该方法包括：步骤1：构建图像去雾网络，图像去雾网络包括三个依次连接的特征提取单元、两个双线性上采样模块、两个级联层和一个卷积层；利用三个特征提取单元对输入的原始雾霾图像进行特征提取，得到三种大小的特征图；利用两个双线性上采样模块和两个级联层对三种大小的特征图自上而下进行融合得到融合后的特征图；融合后的特征图经过卷积层处理之后与原始雾霾图像进行逐像素相加得到去雾后的图像；步骤2：准确数据集并定义损失函数，基于损失函数使用数据集对图像去雾网络进行训练；步骤3：使用训练好的图像去雾网络对输入的雾霾图像进行去雾。
基于金字塔高效通道注意力机制单幅图像方法系统

[发明专利]一种基于深度学习的遥感图像去雾增强方法-CN202110847620.9在审
发明人：石争浩;邵帅;尤珍臻;都双丽 -专利权人：西安理工大学
申请日： 2021-07-27 - 公布日： 2021-11-16 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于深度学习的遥感图像去雾增强方法，包括以下步骤：构建卷积神经网络模型，卷积神经网络模型包括卷积层、卷积残差模块、FEM_BLOCK、大气散射模型层；对卷积神经网络模型进行训练，然后采用损失函数对输出结果进行约束，调整卷积神经网络模型参数，得到遥感图像去雾增强网络模型；利用遥感图像去雾增强网络模型对有雾遥感图进行处理，得到去雾图像。将去雾和超分辨两个领域相结合，使网络在去雾的同时，能够对去雾后的遥感图像进行增强工作，获得高质量的遥感图像为后续的遥感图像处理工作提供高质量的数据。
一种基于深度学习遥感图像增强方法

[发明专利]一种基于多图像块划分的非均匀图像去雾方法-CN202110147535.1在审
发明人：孙帮勇;余喆 -专利权人：西安理工大学
申请日： 2021-02-03 - 公布日： 2021-05-07 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于多图像块划分的非均匀图像去雾方法，步骤包括：步骤1、训练数据的预处理；步骤2、构建图像去雾模型；步骤3、获取雾图的数据；步骤4、训练图像去雾模型，训练时信息流是自下而上流动的；步骤5、计算无雾图像和数据集中对应的标签图像之间的均方误差损失函数、感知误差损失函数和总变差损失函数，更新图像去雾模型，即成。本发明的方法，避免了假设雾霾的密度相同所带来的弊端，提高了网络运行的效率，这样能够利用不同层之间的互补作用从雾图中有效地恢复出无雾图像；对于场景中不同密度的雾霾或不同的环境都是非常稳健的，且图像去雾模型是轻量级的
一种基于图像划分均匀方法