System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及基于vits的图像复原方法。
技术介绍
1、图像复原是计算机视觉中的一项重要任务,它在智能汽车领域中起到关键作用。图像的质量对于智能汽车安全驾驶至关重要,如果车载摄像头或其他图像传感器获取的图像质量不佳,将会影响驾驶决策和车辆的行驶安全。然而,智能汽车的图像传感器如摄像头等获取的图像往往受到各种因素的影响,如光照条件的变化、物体的运动速度和方向等,导致图像的质量下降,典型的表现有模糊、失真、有噪声等。通过对退化图像的复原和纠正,可以提高图像传感器获取的图像质量,为驾驶决策提供更准确和可靠的信息,从而保障驾驶安全。目前,基于神经网络的图像复原已经成为热点,但是现有的方法大多基于卷积神经网络,复原图像精度不够,所以有必要研究高精度的图像复原算法。
技术实现思路
1、本专利技术的目的是为了解决现有方法大多基于卷积神经网络复原图像,存在复原的图像精度低的问题,而提出一种基于vits的图像复原方法。
2、一种基于vits的图像复原方法具体过程为:
3、步骤一、采集汽车在各种驾驶环境下的退化图像与基准真实图像对,作为训练集;
4、步骤二、构建图像复原网络;
5、步骤三、基于训练集训练图像复原网络,获得训练好的图像复原网络;
6、步骤四、采集待测退化图像,输入训练好的图像复原网络获得复原图像。
7、本专利技术的有益效果为:
8、首先,本专利技术具有较高的图像复原精度。传统的图像复原方法大多基于卷积神
9、由于vits神经网络具有强大的特征提取和表示学习能力,它可以适应各种不同的驾驶环境。无论是在城市道路、高速公路还是乡村道路,vits都能够准确地捕捉图像的上下文信息,从而更准确地恢复图像的细节和纹理。最后,本专利技术具有较低的复杂度,由于vits采用了基于窗口的机制,它在处理图像时能够有效地降低计算的复杂度。这种机制使得vits在处理大规模图像数据时更加高效,减少了计算资源和时间的消耗。高复原精度、强泛化性、低复杂度有助于提高智能汽车的感知能力,使车辆在不同的驾驶环境中都能够准确地感知周围环境,从而做出正确的决策。
本文档来自技高网...【技术保护点】
1.一种基于VITs的图像复原方法,其特征在于:所述方法具体过程为:
2.根据权利要求1所述的一种基于VITs的图像复原方法,其特征在于:所述步骤二中构建图像复原络;具体过程为:
3.根据权利要求2所述的一种基于VITs的图像复原方法,其特征在于:所述步骤三中基于训练集训练图像复原网络,获得训练好的图像复原网络;具体过程为:
4.根据权利要求3所述的一种基于VITs的图像复原方法,其特征在于:所述1≤N1≤10,1≤N2≤10,1≤N3≤10,1≤N4≤10,1≤N5≤10。
5.根据权利要求4所述的一种基于VITs的图像复原方法,其特征在于:所述N1组VIT模块、N2组VIT模块、N3组VIT模块、N4组VIT模块、N5组VIT模块中每组VIT模块包括第一层归一化、第一窗口注意力层、第一残差层、第二层归一化、第一窗口前馈层、第二残差层、第三层归一化、第一移动窗口注意力层、第三残差层、第四层归一化、第二窗口前馈层、第四残差层;
6.根据权利要求5所述的一种基于VITs的图像复原方法,其特征在于:所述第一窗口注意力层包括:
7.根据权利要求6所述的一种基于VITs的图像复原方法,其特征在于:所述第一窗口前馈层、第二窗口前馈层中每个窗口前馈层依次包括:第一1×1卷积层、2D转3D向量层、3×3卷积层、3D转2D向量层、第二1×1卷积层;
8.根据权利要求7所述的一种基于VITs的图像复原方法,其特征在于:所述图像复原网络的损失函数为:
9.根据权利要求8所述的一种基于VITs的图像复原方法,其特征在于:所述步骤三中基于训练集训练图像复原网络,获得训练好的图像复原网络;具体过程为:
...【技术特征摘要】
1.一种基于vits的图像复原方法,其特征在于:所述方法具体过程为:
2.根据权利要求1所述的一种基于vits的图像复原方法,其特征在于:所述步骤二中构建图像复原络;具体过程为:
3.根据权利要求2所述的一种基于vits的图像复原方法,其特征在于:所述步骤三中基于训练集训练图像复原网络,获得训练好的图像复原网络;具体过程为:
4.根据权利要求3所述的一种基于vits的图像复原方法,其特征在于:所述1≤n1≤10,1≤n2≤10,1≤n3≤10,1≤n4≤10,1≤n5≤10。
5.根据权利要求4所述的一种基于vits的图像复原方法,其特征在于:所述n1组vit模块、n2组vit模块、n3组vit模块、n4组vit模块、n5组vit模块中每组vit模块包括第一层归一化、第一窗口注意力层、第一残差层、第二层归一化、第一窗口前馈层...
【专利技术属性】
技术研发人员:潘惠惠,高会军,杨昌至,孙维超,王宇雷,边宁,
申请(专利权)人:哈尔滨工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。