申请/专利权人：佛山科学技术学院

申请日：2024-01-18

公开（公告）日：2024-04-23

公开（公告）号：CN117576536B

主分类号：G06V10/80

分类号：G06V10/80;G06V10/143;G06V10/30;G06V10/42;G06V10/44;G06V10/40;G06V10/82;G06N3/0455;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本申请属于图像处理技术领域，公开了一种含雾图像融合模型和方法，先利用去雾模块对可见光图像进行去雾处理，然后利用低秩表示模块对去雾后的可见光图像和红外光图像进行分解得到低秩全局特征和稀疏局部特征，再用稀疏Transformer模块强大的全局上下文理解能力高效地重建图像低阶全局细节，并通过稀疏特征预测模块从各源图像的稀疏成分中提取独特的私有特征，最终融合重建得到的低阶全局细节和提取到的私有特征，形成融合图像；从而能够先恢复可见光图像在雾霾干扰下丢失的场景信息再与红外光图像进行融合，在进行图像融合的同时实现去雾效果，并提高融合图像的质量。

主权项：1.一种含雾图像融合模型，用于对配准的可见光图像和红外光图像进行融合处理，其特征在于，包括第一输入层（1）、第二输入层（2）、去雾模块（3）、两个低秩表示模块（4）、第一稀疏Transformer模块（5）、稀疏特征预测模块（6）和输出层（7）；所述第一输入层（1）、所述去雾模块（3）和第一个所述低秩表示模块（4）依次连接，所述第一输入层（1）用于输入可见光图像，所述去雾模块（3）用于对所述可见光图像进行去雾处理，第一个所述低秩表示模块（4）用于提取去雾处理后的可见光图像中的稀疏局部特征和低秩全局特征，记为第一稀疏局部特征和第一低秩全局特征；所述第二输入层（2）与第二个所述低秩表示模块（4）连接，所述第二输入层（2）用于输入红外光图像，第二个所述低秩表示模块（4）用于提取所述红外光图像的稀疏局部特征和低秩全局特征，记为第二稀疏局部特征和第二低秩全局特征；两个所述低秩表示模块（4）的稀疏局部特征输出端级联后与所述稀疏特征预测模块（6）连接，两个所述低秩表示模块（4）的低秩全局特征输出端级联后与所述第一稀疏Transformer模块（5）连接；所述稀疏特征预测模块（6）用于融合所述第一稀疏局部特征和所述第二稀疏局部特征，得到第一融合特征，所述第一稀疏Transformer模块（5）用于融合所述第一低秩全局特征和所述第二低秩全局特征得到第二融合特征；所述第一稀疏Transformer模块（5）和所述稀疏特征预测模块（6）均与所述输出层（7）连接，所述第一融合特征和所述第二融合特征相加后输出至所述输出层（7）；所述去雾模块（3）为堆叠有五个第二稀疏Transformer模块（8）的U-Net骨干网络，所述U-Net骨干网络的两侧嵌入有物理感知无雾特征预测块（9）；所述物理感知无雾特征预测块（9）用于提取输入图像特征的大气光特征和透射特征，并执行以下运算以把所述输入图像特征转换为无雾图像特征： ；其中，为所述输入图像特征，为所述输入图像特征的透射特征，为所述输入图像特征的大气光特征，为哈达玛乘积，为所述无雾图像特征；所述物理感知无雾特征预测块（9）提取所述输入图像特征的深度特征和照度特征后，基于以下模型提取所述输入图像特征的透射特征： ；其中，i为特征序号，为所述输入图像特征的第i个深度特征，为所述输入图像特征的第i个照度特征，为对应于的滤波函数，为对应于的滤波函数，为卷积算子。

全文数据：

权利要求：

百度查询： 佛山科学技术学院 一种含雾图像融合模型和方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD