基于深度引导扩散模型的图像混合雨去除方法和系统

专利主权项内容

来源：马 克 数 据 网 1.基于深度引导扩散模型的图像混合雨去除方法，其特征在于，包括训练阶段和推理阶段，其中训练阶段包括如下步骤：步骤11，选择附带深度图像的雨雾数据集，构造(有雨图像干净图像x、深度图像x)图像对；0d步骤12，创建一个与干净图像张量大小一致的纯高斯噪声∈，利用去噪扩散概率模型原理以纯高斯噪声∈和干净图像x为输入求得当前时间步t对应的噪声x；tt0t步骤13，将噪声x、有雨图像以及时间步t输入到噪声估计网络中，获得最终预测的噪声分布/>t所述噪声估计网络包括用于对图像的深度特征进行精确提取的深度特征提取网络分支和用于提取噪声分布特征并对当前时间步噪声x去噪所需的噪声分布/>进行预测的噪声分布估计网络分支；t步骤14，分别对预测的深度特征与深度图像x、预测的噪声分布/>与纯高斯噪声∈求损失函数，并使用随机梯度下降对噪声估计网络进行权重更新；dt步骤15，判断两个损失函数是否收敛或达到预定的迭代步数，并对噪声估计网络进行保存以便进行推理使用，若两个条件均不满足，则继续进行下一次训练，即选择下一组图像对，重复步骤12-步骤14直至训练完成；推理阶段包括：将有雨图像、当前时间步噪声以及当前时间步输入到训练好的噪声估计网络中得到预测的噪声分布，然后结合去噪扩散概率模型，将预测的噪声分布用于对当前时间步噪声进行去噪，直到时间步t为0时，完成推理，输出预测的去雨图像。