CN119417730A 一种应用于复杂天气条件下的无监督图像恢复方法 （温州大学元宇宙与人工智能研究院）_第1页
CN119417730A 一种应用于复杂天气条件下的无监督图像恢复方法 （温州大学元宇宙与人工智能研究院）_第2页
CN119417730A 一种应用于复杂天气条件下的无监督图像恢复方法 （温州大学元宇宙与人工智能研究院）_第3页
CN119417730A 一种应用于复杂天气条件下的无监督图像恢复方法 （温州大学元宇宙与人工智能研究院）_第4页
CN119417730A 一种应用于复杂天气条件下的无监督图像恢复方法 （温州大学元宇宙与人工智能研究院）_第5页
已阅读5页，还剩9页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种应用于复杂天气条件下的无监督图像本发明提出了一种应用于复杂天气条件下所构建的网络模型从退化的输入图像中学习到22.如权利要求1中所述的一种应用于复杂天3.如权利要求1中所述的一种应用于复杂天气条4.如权利要求1中所述的一种应用于复杂天气条件下的无监督5.如权利要求1中所述的一种应用于复杂天气条6.如权利要求1中所述的一种应用于复杂天气条件下7.如权利要求1中所述的一种应用于复杂天气3直接表征退化图像与清晰图像之间的非线性的映射关系，从而端到端的恢复清晰的图像，[0003]针对缺乏复杂天气下真实匹配数据集进行网络训练导致[0005]本发明所采用的技术方案是，一种应用于复杂天气条件下的无监督图像恢复方4[0007]图1为本发明提出的一种应用于复杂天气条件下的无监督图像恢复方法整体步骤[0009]总体而言，所提出的一种应用于复杂天气条件下的无监督图像恢复方法如图1所5步骤1.3：非匹配训练数据集规范化生成及处理。将扩充处理好的图像进行重命其中，表示锚点经过特征编码器所获得的编码量，v+表示正样本在特征编码后的编码量，v-表示负样本编码之后的编码量，表示向量相似度计算，r表示温6其中，f表示锚点样本的细节特征提取，f+表示正样本的细节特征提取，f-将不同的样本输入映射到低维特征表示空间，以此来描述正样本和负样本之间的空间距通过不同预测网络对其进行回归。给定退化图像B，由清晰图像部分C与退化因素R组成：L1=IC+R-B+ap(C)+BP(R)7e表示不

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论