基于多尺度卷积的轻量级神经网络单图像去雾方法技术

本发明专利技术公开了一种基于多尺度卷积的轻量级神经网络单图像去雾方法，包括以下步骤：(1)将数据集划分为训练集、验证集和测试集；(2)利用训练集和验证集训练提出的网络模型；(3)利用测试集测试训练好的模型；(4)采用度量标准对模型进行评估。上述技术方案，本发明专利技术专门设计了一个多尺度去雾模块，用于提取各尺度下的图片信息，这对最后的去雾结果有重要影响；在充分考虑各尺度信息的情况下尽量减少模型参数，压缩模型大小，进而降低模型的计算复杂度；实现峰值信噪比更高的去雾效果，同时不用估计透射率和全球大气光的单张图片去雾。

A single image defogging method based on multi-scale convolution and lightweight neural network

【技术实现步骤摘要】
基于多尺度卷积的轻量级神经网络单图像去雾方法
本专利技术涉及图像处理
，具体涉及一种基于多尺度卷积的轻量级神经网络单图像去雾方法。
技术介绍
雾作为一种自然现象长久以来不仅影响人们的视觉体验，同时捕获的雾图不利于图像的进一步处理，严重影响了图像处理领域其他应用的进一步发展，例如：图像分类、目标跟踪等；在雾环境下捕获的图片通常会遭受低对比度、晕面以及颜色偏移等问题，正是这些现象限制了图片的能见度。此外，在计算机视觉领域，很多计算机视觉和图像处理算法对含雾图像并不鲁棒，雾的存在阻碍了对图片的进一步处理。不管是出于改善人们的视觉体验，还是推动计算机视觉领域相关应用的发展，去雾都非常重要并且必要，有非常重要的科学意义和应用前景。去雾的研究由来已久，雾图的成像模型早在1924年已经提出，I＝Jt+A(1-t)t(x)＝eβd(x)其中，I为观察到的雾图，J为待恢复的清晰图像，t和A分别是空气透射率和全球大气光，d是成像的深度。但该模型是一个严重不适定问题，为了获得足够的信息以求解这个模型，在08年以前去雾方法本文档来自技高网...

【技术保护点】
1.一种基于多尺度卷积的轻量级神经网络单图像去雾方法，其特征在于：包括以下步骤：/n(1)将数据集划分为训练集、验证集和测试集；/n(2)利用训练集和验证集训练提出的网络模型；/n(3)利用测试集测试训练好的模型；/n(4)采用度量标准对模型进行评估。/n

【技术特征摘要】
1.一种基于多尺度卷积的轻量级神经网络单图像去雾方法，其特征在于：包括以下步骤：
(1)将数据集划分为训练集、验证集和测试集；
(2)利用训练集和验证集训练提出的网络模型；
(3)利用测试集测试训练好的模型；
(4)采用度量标准对模型进行评估。


2.根据权利要求1所述的一种基于多尺度卷积的轻量级神经网络单图像去雾方法，其特征在于：步骤(1)，将数据集RESIDE-beta的part1选出作为训练过程中用到的数据集；其中，将part1的90％作为训练集，10％作为验证集，将RESIDE数据集标准版的混合主观测试集选出作为仿真数据测试集；并将提出的真实场景图片构成的数据集作为定性比价的测试集。


3.根据权利要求1所述的一种基于多尺度卷积的轻量级神经网络单图像去雾方法，其特征在于：步骤(2)，将训练集中的图片逐一输入待训练的网络模型，首先通过多尺度块的第一个子块得到四组特征图的叠加组合；然后将得到的四个第一子块分支的特征图重叠到一起，并作为多尺度块第二个子块的输入；第二个子块输出的特征图先后经过三个卷积层得到三通道的特征；设置一个用于保留原图片信息的全局跳跃连接；最后经过激活函数得到与雾图对应的清晰图片。


4.根据权利要求3所述的一种基于多尺度卷积的轻量级神经网络单图像去雾方法，其特征在于：第一个子块包括四个第一子块分支，四个第一子块分支的设置为：
第一子块分支一：输入图片通过一个1×1的卷积；
第一子块分支二：输入...

【专利技术属性】
技术研发人员：张笑钦，唐贵英，赵丽，
申请(专利权)人：温州大学，
类型：发明
国别省市：浙江;33