图像去雾方法、装置及计算机可读存储介质制造方法及图纸

本公开是关于一种图像去雾方法、装置及计算机可读存储介质，属于图像处理领域，所述方法包括：获取目标带雾图像，所述目标带雾图像为待去雾的图像；基于去雾网络模型，对所述目标带雾图像进行去雾处理，所述去雾网络模型为对对抗网络模型进行训练后得到。本公开通过对对抗网络模型训练得到的去雾网络模型，可以对目标带雾图像进行去雾处理。由于通常情况下，对抗网络模型能够使需要处理的数据分布接近最真实的分布，因此，通过对对抗网络模型进行训练得到的去雾网络模型对目标带雾图像进行去雾时，能够尽最大可能的恢复目标带雾图像的图像细节，避免了图像的失真，从而提高了图像去雾的效果。

【技术实现步骤摘要】
图像去雾方法、装置及计算机可读存储介质
本公开涉及图像处理领域，尤其涉及一种图像去雾方法、装置及计算机可读存储介质。
技术介绍
目前，在众多领域都需要应用到图像处理技术，比如，智能导航、公路视觉监视、卫星遥感监测等领域。但是，由于在雾、霾、雨、雪等恶劣天气下拍摄的图像往往模糊不清，且细节不明显，色彩保真度下降，大大降低了图像的应用价值，给图像识别带来困难。因此，为了提高图像利用率，往往需要对带雾图像进行去雾处理。相关技术中，可以基于图像增强的算法进行图像去雾，比如，直方图均衡化算法、基于小波变换的图像增强算法等。其中，当通过直方图均衡化算法进行去雾处理时，终端可以获取带雾图像，并计算该带雾图像的图像直方图，根据该带雾图像的图像直方图计算灰度值变化表，将该图像直方图使用灰度变换表进行查表变换操作，通过遍历每一个像素点，将带雾图像的各个像素点的灰度值放入交换表中，可得到各个像素点的新灰度值。
技术实现思路
本公开提供了一种图像去雾方法、装置及计算机可读存储介质，用于解决相关技术中去雾效果差的问题。根据本公开实施例的第一方面，提供一种图像去雾方法，所述方法包括：获取目标带雾图像，所述目标带雾图本文档来自技高网...

【技术保护点】
一种图像去雾方法，其特征在于，所述方法包括：获取目标带雾图像，所述目标带雾图像为待去雾的图像；基于去雾网络模型，对所述目标带雾图像进行去雾处理，所述去雾网络模型为对对抗网络模型进行训练后得到。

【技术特征摘要】
1.一种图像去雾方法，其特征在于，所述方法包括：获取目标带雾图像，所述目标带雾图像为待去雾的图像；基于去雾网络模型，对所述目标带雾图像进行去雾处理，所述去雾网络模型为对对抗网络模型进行训练后得到。2.如权利要求1所述的方法，其特征在于，所述基于去雾网络模型，对所述目标带雾图像进行去雾处理之前，还包括：获取去雾图像训练集，所述去雾图像训练集包括N个不带雾样本图像和N个带雾样本图像，所述N为大于或等于1的正整数；基于所述去雾图像训练集，对所述对抗网络模型进行训练，得到所述去雾网络模型。3.如权利要求2所述的方法，其特征在于，所述基于所述去雾图像训练集，对所述对抗网络模型进行训练，得到所述去雾网络模型，包括：基于生成网络模型，对所述N个带雾样本图像进行处理，得到N个去雾样本图像，基于判别网络模型，对所述N个去雾样本图像和所述N个不带雾样本图像进行处理，得到2N个概率值，所述生成网络模型为所述对抗网络模型中进行图像去雾的网络模型，所述判别网络模型为所述对抗网络模型中用于确定图像去雾准确率的网络模型；基于所述2N个概率值和第一预设损失函数训练所述判别网络模型，得到训练后的判别网络模型；基于所述N个去雾样本图像和第二预设损失函数，对所述生成网络模型进行训练，得到训练后的生成网络模型；从所述N个带雾样本图像中选择一个带雾样本图像，基于所述训练后的生成网络模型，对选择带雾样本图像进行处理，得到选择的带雾样本图像对应的去雾样本图像；基于所述训练后的判别网络模型，对选择的带雾样本图像对应的去雾样本图像进行处理，得到一个概率值；当得到的概率值不为预设概率时，将所述训练后的生成网络模型作为所述生成网络模型，将所述训练后的判别网络模型作为所述判别网络模型，并返回所述基于生成网络模型，对所述N个带雾样本图像进行处理，得到N个去雾样本图像的步骤，直至得到的概率值为所述预设概率时，将最终训练得到的生成网络模型确定为所述去雾网络模型。4.如权利要求3所述的方法，其特征在于，所述第一预设损失函数如下：其中，所述G表示所述生成网络模型，所述D表示所述判别网络模型，所述x表示所述N个不带雾样本图像中任一不带雾样本图像，所述D(x)为所述2N个概率值中的任一概率值，所述z表示所述N个带雾样本图像中任一带雾样本图像，所述G(z)表示所述N个去雾样本图像中任一去雾样本图像，所述xij表示所述任一不带雾样本图像中坐标为(i，j)的像素点的灰度值，所述表示所述任一去雾样本图像中与坐标为(i，j)的像素点相邻的像素点的灰度值。5.如权利要求3或4所述的方法，其特征在于，所述第二预设损失函数如下：其中，所述G表示所述生成网络模型，所述z表示所述N个带雾样本图像中任一带雾样本图像，所述G(z)表示所述N个去雾样本图像中任一去雾样本图像，所述xij表示所述任一不带雾样本图像中坐标为(i，j)的像素点的灰度值，所述表示所述任一去雾样本图像中与坐标为(i，j)的像素点相邻的像素点的灰度值。6.如权利要求2所述的方法，其特征在于，所述获取去雾图像训练集，包括：对目标不带雾样本图像进行多次复制，得到所述N个不带雾样本图像，所述目标不带雾样本图像是指任一不带雾图像；对所述N个不带雾样本图像进行加雾处理，得到带雾情况不同的所述N个带雾样本图像；将所述N个不带雾样本图像和所述N个带雾样本图像合并为所述去雾图像训练集。7.如权利要求6所述的方法，其特征在于，所述对所述N个不带雾样本图像进行加雾处理，得到带雾情况不同的所述N个带雾样本图像，包括：对所述N个不带雾样本图像进行加噪处理，得到N个带噪样本图像；在所述N个带噪样本图像上分别覆盖透明度不同的蒙版，得到所述N个带雾样本图像。8.一种图像去雾装置，其特征在于，所述装置包括：第一获取模块，用于获取目标带雾图像，所述目标带雾图像为待去雾的图像；去雾模...

【专利技术属性】
技术研发人员：张水发，
申请(专利权)人：北京小米移动软件有限公司，
类型：发明
国别省市：北京,11