公开(公告)号：CN114913093A

公开(公告)日：2022-08-16

申请号：CN202210565008.7

申请日：2022-05-23

Applicant: 南京理工大学

Inventor： 李俊 ,  樊俊凯 ,  杨健

IPC: G06T5/00 ,  G06V10/44 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种真实场景的AI去烟雾方法，为真实烟雾场景提供更清晰的视野，该方法利用非对齐的清晰图像设计损失函数监督训练去烟雾网络，并且重新定义了大气光的均值‑方差描述方式和传输介质图的三通道方式，提出相应的神经网络结构更好的学习大气光和传输介质图，使得重构损失函数有效地训练去烟雾网络。本发明降低了传统监督模型对数据的严格对齐需求，使得模型能够在真实场景下完成训练，避免了合成数据训练与真实数据测试的不一致性导致的不好效果；重新定义了大气光和传输介质图，使得更符合真实场景，从而提升真实场景下的去烟雾效果。

公开(公告)号：CN119323533A

公开(公告)日：2025-01-17

申请号：CN202411322635.3

申请日：2024-09-23

Applicant: 南京理工大学

Inventor： 李俊 ,  樊俊凯 ,  杨健

IPC: G06T5/77 ,  G06T5/60 ,  G06T7/50 ,  G06N3/0464 ,  G06N3/09 ,  G06N3/088

Abstract: 本发明公开了一种真实移动场景下的视频去雾和深度估计方法，为真实雾场景提供更清晰的视野和距离感知，本方法结合亮度一致性约束和大气散射模型共同优化深度估计网络；亮度一致性约束是利用去雾的相邻帧作为输入，获得更精确的相机位姿，利用估计的深度图完成重投影，构建自监督的估计方式；随着深度估计网络的自监督学习，分别完成对整个大气散射模型的每个分量进行有效的解耦，同时利用每个分量去重构雾帧，形成一个重构损失约束去监督整个框架的学习；利用亮度一致性约束和大气散射模型共享的深度信息去构建一个共同优化的学习框架。在测试使用阶段，仅需输入一张真实雾的测试图像，就可以利用去雾网络和深度估计网络快速地修复其清晰场景。

公开(公告)号：CN117689581A

公开(公告)日：2024-03-12

申请号：CN202311796648.X

申请日：2023-12-23

Applicant: 南京理工大学

Inventor： 李俊 ,  樊俊凯 ,  翁江玮 ,  杨健

IPC: G06T5/73 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/0895 ,  G06N3/045

Abstract: 本发明公开了一种真实驾驶环境下的视频去雾方法，用于安全辅助驾驶。该方法通过识别与模糊帧紧密匹配的清晰帧，作为监督视频去雾网络的参考，结合非对齐正则化学习方法进行模型训练；该方法包括两个关键部分:参考匹配部分和视频去雾部分；参考匹配部分由一个非对齐参考帧匹配模块构成，利用自适应滑动窗口从清晰视频中匹配高质量参考帧，该模块将输入的模糊帧与最接近场景的最清晰帧配对；视频去雾部分由光流引导余弦注意采样器模块和可变形余弦注意融合模块组成。本发明有效地解决了实际驾驶视频去雾中地域、时空对齐问题，提高了自主驾驶系统地视觉感知和安全性能。