基于多级沙漏结构的单幅图像去雾模型构建及去雾方法技术

本发明专利技术公开了一种基于多级沙漏结构的单幅图像去雾模型构建及去雾方法，通过设计了去雾模型中的传输图估计网络，利用多个级联的传输图估计模块，将传输图信息分解为全局信息和局部信息，通过多级级联的方式，使得后面的沙漏单元可以更好地融合区域中的细节与整体降质情况之间的关系，对上一级沙漏结构输出的结果进行优化，以准确估计远景的相对距离已经各个景物在原图像中的准确位置，逐步消除因不同尺度特征融合而造成的特征图重影，不连续的现象，自适应地处理不同程度雾霾图像，提高了传输图估计的准确度，从而提高了图像去雾的准确率。

The construction of single image defogging model and defogging method based on multi-level hourglass structure

【技术实现步骤摘要】
基于多级沙漏结构的单幅图像去雾模型构建及去雾方法
本专利技术涉及图像去雾方法，具体涉及一种基于多级沙漏结构的单幅图像去雾模型构建及去雾方法。
技术介绍
随着工业化进程的不断推进，其带来的空气污染问题也日渐凸显，大雾天气呈多发态势，在我国各地持续蔓延。在有雾天气下，空气中悬浮的微粒会使得计算机视觉系统中成像设备获取的图像发生颜色偏移，细节信息丢失等退化现象。然而一些室外计算机视觉系统如遥感卫星成像、视频监控检测等对天气较为敏感，降质图像严重影响了这些系统的正常工作。目前，大多数图像去雾方法均以大气散射模型为基础，主要分为传统方法和基于学习的方法两种。基于先验或者假设的传统方法，虽然在不同有雾环境下处理效果较为稳定，但是容易出现过处理、色彩过渡不自然和轮晕现象，恢复的图像视觉效果较差。基于学习的方法，虽然能良好的解决轻度有雾环境图像恢复问题，但是由于存在缺少对大气散射系数的良好估计和网络感受域过小的问题，对于距离较远的景物或者图像受雾影响降质较大时图像恢复效果较差。现有技术1提出了基于暗通道的单幅图像去雾霾方法。该方法的创新点在于提出了暗通道先验，即对于大多数无雾霾室外图像，在非天空区域本文档来自技高网...

【技术保护点】
1.一种基于多级沙漏结构的单幅图像去雾模型构建方法，其特征在于，按照以下步骤执行：步骤1、采集多幅原始图像，获得原始图像集；步骤2、利用散射系数以及大气光参数对所述的原始图像集中的每幅原始图像进行加雾，获得每幅待去雾图像，获得待去雾图像集；获得每幅待去雾图像的参数标签，所述的参数标签包括散射系数以及大气光参数，获得参数标签集；步骤3、将所述的待去雾图像集作为输入，将所述的参数标签集以及原始图像集作为输出，训练网络模型，其中所述的网络模型包括依次串联的估计网络以及融合网络；所述的估计网络包括并联的传输图估计网络以及大气光估计网络；所述的融合网络包括大气光散射模型；所述的传输图估计网络包括多个串联...

【技术特征摘要】
1.一种基于多级沙漏结构的单幅图像去雾模型构建方法，其特征在于，按照以下步骤执行：步骤1、采集多幅原始图像，获得原始图像集；步骤2、利用散射系数以及大气光参数对所述的原始图像集中的每幅原始图像进行加雾，获得每幅待去雾图像，获得待去雾图像集；获得每幅待去雾图像的参数标签，所述的参数标签包括散射系数以及大气光参数，获得参数标签集；步骤3、将所述的待去雾图像集作为输入，将所述的参数标签集以及原始图像集作为输出，训练网络模型，其中所述的网络模型包括依次串联的估计网络以及融合网络；所述的估计网络包括并联的传输图估计网络以及大气光估计网络；所述的融合网络包括大气光散射模型；所述的传输图估计网络包括多个串联的传输图估计模块，每个所述的传输图估计模块包括沙漏子模块；所述的沙漏子模块包括多个沙漏结构，所述的沙漏结构包括依次设置的一个下采样单元、两个卷积单元以及一个上采样单元，在所述下采样单元与所述上采样单元之间还连接有残差单元；获得去雾模型。2.如权利要求1所述的基于多级沙漏结构的单幅图像去雾模型构建方法，其特征在于，所述的步骤3中传输图估计模块还包括先验子模块，所述的先验子模块包括并联的暗通道先验层以及卷积层，所述暗通道先验层以及卷积层的输入均为待去雾图像。3.如权利要求1所述的基于多级沙漏结构的单幅图像去雾模型...

【专利技术属性】
技术研发人员：苗启广，马振鑫，李宇楠，宋建锋，权义宁，盛立杰，刘如意，刘向增，戚玉涛，武越，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61