公开(公告)号：CN114581304A

公开(公告)日：2022-06-03

申请号：CN202210207233.3

申请日：2022-03-03

Applicant: 暨南大学

Inventor： 李展 ,  方雪清 ,  伍雯 ,  邝文卿 ,  赵鸿博 ,  柯瑞凯

IPC: G06T3/40 ,  G06T5/00 ,  G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于循环网络的图像超分辨率和去雾融合方法及系统，该方法步骤为：获取无需配对的低分辨率有雾图像和高分辨率无雾图像；构建无监督循环网络系统；训练该循环网络系统；在循环网络的第一分支，低分辨率有雾图像L输入到第一生成网络GL2H得到估计的高分辨率去雾图像图像又输入到第二生成网络GH2L，得到重建的低分辨率有雾图像～L；在循环网络的第二分支，高分辨率无雾图像H经过类似的估计、重建逆过程。该系统包括图像样本获取模块、循环网络系统构建模块和循环网络系统训练模块，本发明网络采用无监督学习方式，无需配对数据，在对退化的有雾图像进行去雾的同时加入超分辨率重建模块，增强了图像的细节，使还原的图像更加清晰。

公开(公告)号：CN114581304B

公开(公告)日：2024-06-28

申请号：CN202210207233.3

申请日：2022-03-03

Applicant: 暨南大学

Inventor： 李展 ,  方雪清 ,  伍雯 ,  邝文卿 ,  赵鸿博 ,  柯瑞凯

IPC: G06T3/4053 ,  G06T5/70 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于循环网络的图像超分辨率和去雾融合方法及系统，该方法步骤为：获取无需配对的低分辨率有雾图像和高分辨率无雾图像；构建无监督循环网络系统；训练该循环网络系统；在循环网络的第一分支，低分辨率有雾图像L输入到第一生成网络GL2H得到估计的高分辨率去雾图像#imgabs0#图像#imgabs1#又输入到第二生成网络GH2L，得到重建的低分辨率有雾图像～L；在循环网络的第二分支，高分辨率无雾图像H经过类似的估计、重建逆过程。该系统包括图像样本获取模块、循环网络系统构建模块和循环网络系统训练模块，本发明网络采用无监督学习方式，无需配对数据，在对退化的有雾图像进行去雾的同时加入超分辨率重建模块，增强了图像的细节，使还原的图像更加清晰。