基于扩散模型的天气退化图像修复技术

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：在恶劣天气中拍摄的图片,由于雨雪霾等恶劣天气的影响会对视线有一定的阻挡,导致可见度下降严重,图片的背景失真严重,从而对图片识别、语义分割或者目标监测产生很大的误差.此前,大多数的天气退化图像的修复都是基于深度学习算法或是生成对抗网络为基本架构的,由于去噪扩散模型(DDPM)在计算机视觉上的优势比较大,所以采用以扩散模型为基本架构来进行雨类的天气退化图像的反向采样,经典扩散模型的噪声估计网络是基于U-Net的结构,现提出了一种改进的U-Net噪声估计网络结构,将通道自适应注意力机制与U-Net结合,在图像去雨方面有着较好的恢复表现.

作者：

刘德崇、姚剑敏、胡海龙、陈恩果、严群、程慧敏、徐任政

展开 >

作者单位：

福州大学福建福州 350108

晋江市博感电子科技有限公司福建晋江 3662200

关键词：

扩散模型通道适应注意力机制天气退化图像修复图像去雨

基金：

国家重点研发计划福建省技术攻关重点项目

项目编号：

2022YFB36035032023G007

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.03.050

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(3)

参考文献量13