The invention discloses an image defogging method based on global and local feature fusion, the method comprises the following steps: constructing a defogging network based on the encoder \u2011 decoder architecture, setting a plurality of dense connection units between the encoder and the decoder, and realizing the local and global fusion of the feature map by the dense connection units; after the feature map output by the encoder \u2011 decoder architecture is passed After the training, input a haze image to get the defog image. This method does not need the prior information of the image, and does not need to estimate the transmission rate. It can get the defog image directly from a haze image.
【技术实现步骤摘要】
一种基于全局和局部特征融合的图像去雾方法
本专利技术涉及图像处理技术与深度学习
，尤其涉及一种基于全局和局部特征融合的图像去雾方法。
技术介绍
在雾霾天气下，空气中存在着大量的悬浮粒子，由于受到悬浮粒子的影响，大气环境光与实际景物的反射光在传播的过程中会出现散射和衰减的现象，进而影响到图像质量，引起图像颜色失真、对比度下降等问题。去雾算法通过消除雾霾对图像的影响，不仅可以提高图像的主观视觉效果，还可以作为许多计算机视觉任务的预处理步骤，如自动驾驶、目标检测以及图像分类等，以提高计算机视觉系统的性能。因此，图像去雾算法有着广泛的应用价值。早期算法从同一场景在不同成像条件下拍摄的多张图像中获取去雾线索。例如，文献[1]分析多张在不同雾浓度下拍摄的图像亮度值变化来估计场景景深，进而得到去雾图像。文献[2]通过使用不同的偏振滤波器对同一场景进行多次拍摄，利用偏振度去除雾霾影响。单幅图像去雾算法主要是基于图像的统计先验信息设计。例如，根据有雾图像的局部对比度比无雾图的局部对比度低的特点，Tan等人使用马尔可夫随机场最大化...
【技术保护点】
1.一种基于全局和局部特征融合的图像去雾方法，其特征在于，所述方法包括以下步骤：/n基于编码器-解码器架构构建去雾网络，在编码器和解码器之间设置多个稠密连接单元，由稠密连接单元实现特征图的局部和全局融合；/n编码器-解码器架构输出的特征图经过后续的卷积神经网络，得到去雾图；/n使用L1范数损失函数、感知损失函数和梯度损失函数的线性组合训练去雾网络；/n训练结束后，输入一张雾霾图像得到去雾图像。/n
【技术特征摘要】
1.一种基于全局和局部特征融合的图像去雾方法，其特征在于，所述方法包括以下步骤：
基于编码器-解码器架构构建去雾网络，在编码器和解码器之间设置多个稠密连接单元，由稠密连接单元实现特征图的局部和全局融合；
编码器-解码器架构输出的特征图经过后续的卷积神经网络，得到去雾图；
使用L1范数损失函数、感知损失函数和梯度损失函数的线性组合训练去雾网络；
训练结束后，输入一张雾霾图像得到去雾图像。
2.根据权利要求1所述的一种基于全局和局部特征融合的图像去雾方法，其特征在于，所述基于编码器-解码器架构构建去雾网络具体为：
编码器和解码器均由n层卷积神经网络组成；
编码器和解码器之间由多个融合结构相连接，每个融合结构对稠密连接单元输出的特征图做局部融合和全局融合；
去雾网络在编码器和解码器之间设置多个稠密连接单元，由稠密连接单元实现特征图的局部和全局融合，编码器和解码器之间有I个局部融合模块。
3.根据权利要求2所述的一种基于全局和局部特征融合的图像去雾方法，其特征在于，所述局部融合具体为：
记第i个局部...
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。