基于误差补偿的图像去雾方法技术

本发明专利技术涉及一种基于误差补偿的图像去雾算法：步骤1：将有雾图像划分成不重叠的图像块；提取各个图像块的色度特征图、饱和度特征图及梯度特征图；输入到预先训练好的透射率估计网络中，得到透射率的估计值；输入到预先训练好的透射率误差估计网络中，估计透射率的估计误差

Image de fog algorithm based on error compensation

The invention relates to an image defogging algorithm based on error compensation: Step 1: the fog image is divided into non overlapping blocks; each block of image color feature extraction, feature map and map saturation gradient feature map; input to a pre trained network transmission estimation, get transmission estimation value; input to advance the trained network error transmission estimation, estimation of error transmission

【技术实现步骤摘要】
基于误差补偿的图像去雾算法
本专利技术涉及计算机视觉、图像处理领域中恢复图像清晰度的算法，特别涉及去雾算法。
技术介绍
图像去雾算法是一种重要的恢复图像清晰度的算法，其主要目的去除图像中存在的雾气，从而恢复原始的无雾图像，可广泛应用于交通运输、视频监控、卫星遥感等对清晰图像有较高需求的行业。在众多的图像去雾算法中，基于卷积神经网络的去雾算法是一种较为重要的方法。该类方法主要思想是：首先，提取与雾的大小程度相关的特征；之后，通过学习的方法学习到特征与透射率或透射率相关量之间的映射关系；最终，利用学习到的映射关系估计输入图像的透射率或透射率相关量，恢复出原始无雾图像。2014年，Tang[1]提出用暗通道特征、最大对比度、色调差异、最大饱和度这几种特征来反映雾的大小程度。用这几种特征来训练随机森林，并用训练好的随机森林来估计有雾图像块的透射率，从而恢复出原始无雾图像。然而，由于有的特征并不能完全反映，且浓雾区域的特征非常的不明显且局部区域之间的特征非常相似，因而导致随机森林对透射率的估计存在一定程度的偏差。2015年，Zhu[2]发现亮度与饱和度的差值能够反映雾的大小程度。基于这一先验知本文档来自技高网...

【技术保护点】
一种基于误差补偿的图像去雾算法，该算法首先训练透射率估计网络Wt和透射率误差估计网络We:①透射率估计网络Wt采用NIN卷积神经网络结构，训练步骤如下：(1)任意选取M个大小为n×n的无雾图像块

【技术特征摘要】
1.一种基于误差补偿的图像去雾算法，该算法首先训练透射率估计网络Wt和透射率误差估计网络We:①透射率估计网络Wt采用NIN卷积神经网络结构，训练步骤如下：(1)任意选取M个大小为n×n的无雾图像块对每一个图像块任意选取一个透射率值对进行加雾，得到加雾后的图像块公式如下：其中，At＝(255,255,255)T；(2)将转换到HSV颜色空间，提取色度特征图饱和度特征图计算梯度特征图(3)将色度特征图饱和度特征图梯度特征图作为训练数据，采用批量梯度下降算法，迭代次数为Nt，通过最小化Wt对的估计值与的差的平方和，对Wt进行训练；②透射率误差估计网络We，采用NIN卷积神经网络结构，训练步骤如下：(1)任意选取L个大小为n×n的无雾图像块对每一个图像块任意选取一个透射率值对进行加雾，得到加雾后的图像块公式如下：其中，Ae＝(255,255,255)T；(2)将转换到HSV颜色空间，提取色度特征图饱和度特征图计算梯度特征图(3)将每一个图像块对应的及输入到透射率估计网络Wt中，得到的估计值并计算的估计误差为与差...

【专利技术属性】
技术研发人员：廉旭航，庞彦伟，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12