一种基于透射谱指导的多级对比度拉伸去雾方法技术

本发明专利技术提供了一种基于透射谱指导的多级对比度拉伸去雾方法，利用第一编解码网络生成有雾图片的透射谱，并利用透射谱与雾浓度的关系将所述有雾图片分成浓雾区域和薄雾区域；分别对所述浓雾区域和薄雾区域进行多级对比度拉伸预处理，结合所述浓雾区域的预处理结果利用第二编解码网络对所述浓雾区域进行修复，以及结合所述薄雾区域的预处理结果利用第三编解码网络对所述薄雾区域进行修复；利用密集卷积块对增强后的浓雾区域和薄雾区域的特征进行融合处理，得到去雾后的图像。本发明专利技术通过上述设计解决了去雾中不均匀的大气和细节信息缺失的问题。

【技术实现步骤摘要】
一种基于透射谱指导的多级对比度拉伸去雾方法
本专利技术属于单图像去雾领域，尤其涉及一种基于透射谱指导的多级对比度拉伸去雾方法。
技术介绍
图像恢复不仅能改善图片的可视化程度，而且好的图像恢复可以更有效的进行检测、分割等高级任务。图像去雾是图像恢复中的一个重要分支，当光在诸如雾霾的介质中传播时，由于粒子的散射，图像信息发生严重的劣化，这极大地限制了图像的应用价值。在以往的去雾算法中，由雾带来的不均匀大气和细节信息缺失的影响，并没有得到有效的解决。
技术实现思路
针对现有技术中的上述不足，本专利技术提供的一种基于透射谱指导的多级对比度拉伸去雾方法解决了去雾中不均匀大气和细节信息缺失的问题。为了达到以上目的，本专利技术采用的技术方案为：本方案提供一种基于透射谱指导的多级对比度拉伸去雾方法，包括如下步骤：S1、利用第一编解码网络生成有雾图片的透射谱，并利用透射谱与雾浓度的关系将所述有雾图片分成浓雾区域和薄雾区域；S2、分别对所述浓雾区域和薄雾区域进行多级对比度拉伸预处理；S3、利用第二编解码网络对所述浓雾区域的预处理结果以及所述浓雾区域进行修复，以及利用第三编解码网络对所述薄雾区域的预处理结果以及所述薄雾区域进行修复；S4、利用密集卷积块对修复后的浓雾区域和薄雾区域的特征进行融合处理，得到去雾后的图像。进一步地，所述步骤S1中透射谱的损失函数Transloss表达式如下：其中，N表示每张有雾图片的像素总个数，x表示像素，T(·)表示训练得到的透射图，O(·)表示真实的透射图。再进一步地，所述步骤S1中第一编解码网络的构建包括如下步骤：A1、对U-net网络分别进行8倍下采样和8倍上采样，并在所述U-net网络的编码端设置Resnet-18在ImageNet数据集上的预训练模型；A2、在所述U-net网络的上采样端设置亚像素卷积层，从而完成对所述第一编解码网络的构建。再进一步地，所述步骤S2中利用多级对比度拉伸修复后的浓雾区域和薄雾区域的图像特征信息的表达式如下：g＝alog(|b|f+1)+c(edf-1)其中，g表示对比度拉伸后的图像特征信息，f表示需要进行对比度拉伸的图像，a、b、c、d分别表示对比度拉伸的模式和等级的参数。再进一步地，所述步骤S3中第二编解码网络的滤波器通道大于所述第三编解码网络的滤波器通道，且所述第二编解码网络和第三编解码网络的底部均设置有金字塔池化模型。再进一步地，所述第二编解码网络的构建包括如下步骤：B1、对U-net网络分别进行16倍下采样和16倍上采样，并在所述U-net网络的编码端设置Resnet-50在ImageNet数据集上的预训练模型；B2、在所述U-net网络的上采样端设置第一反卷积层，从而完成对所述第二编解码网络的构建。再进一步地，所述第三编解码网络的构建包括如下步骤：C1、对U-net网络分别进行16倍下采样和16倍上采样，并在所述U-net网络的编码端设置Resnet-18在ImageNet数据集上的预训练模型；C2、在所述U-net网络的上采样端设置第二反卷积层，从而完成对所述第二编解码网络的构建。再进一步地，所述步骤S3中去雾后图像的损失函数Totalloss的表达式如下：Totalloss＝αTransloss+βMESloss+γSSIMlossSSIMloss＝1-SSIM(I(x),J(x))其中，α、β、γ分别表示相应的损失函数所占的权重值，且α和γ为0.1，β为1，Transloss表示透射谱的损失函数，MESloss表示去雾后图像的均方误差损失函数，SSIMloss表示去雾后图像的结构性相似损失函数，N表示每张有雾图片的像素总个数，x表示像素，I(·)表示训练得到的有雾图片，J(·)表示真实的有雾图片，SSIM(·)表示有雾图片之间的结构相似性。本专利技术的有益效果：(1)本专利技术设计了分区域的去雾处理方式，通过透射谱与雾浓度的关系将雾图分成浓雾区域和薄雾区域，对不同雾浓度的区域用不同的编解码网络进行处理，有效地避免了相同的滤波器在处理不同区域所导致的非线性表达的不足，针对雾图的不均匀大气现象，分区域的处理方式是极其有效的方式；(2)本专利技术针对雾图在恢复过程中存在的信息丢失问题，通过多级对比度拉伸网络，让浓雾区域和薄雾区域的特征去自适应的进行对比度拉伸，多级的对比度拉伸为对雾图的恢复提供了更多的细节和色彩信息，同时自适应的参数学习方式避免了人为的干扰，实现良好的去雾效果。附图说明图1为本专利技术的方法流程图。图2为本实施例中第一编解码网络的示意图。图3为本实施例中透射谱指导的多级对比度拉伸方法的结构图。图4为本实施例中多级对比度拉伸预处理以及第二编解码网络的示意图。图5为本实施例中多级对比度拉伸预处理以及第三编解码网络的示意图。图6为本实施例中金字塔池化模型的结构图。具体实施方式下面对本专利技术的具体实施方式进行描述，以便于本
的技术人员理解本专利技术，但应该清楚，本专利技术不限于具体实施方式的范围，对本
的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本专利技术的精神和范围内，这些变化是显而易见的，一切利用本专利技术构思的专利技术创造均在保护之列。实施例如图1所示，本专利技术提供了一种基于透射谱指导的多级对比度拉伸去雾方法，其实现方法如下：S1、利用第一编解码网络生成有雾图片的透射谱，并利用透射谱与雾浓度的关系将所述有雾图片分成浓雾区域和薄雾区域，即透射谱小的区域雾浓度高，透射谱大的区域雾浓度低。所述透射谱的损失函数Transloss表达式如下：其中，N表示每张有雾图片的像素总个数，x表示像素，T(·)表示训练得到的透射图，O(·)表示真实的透射图；如图2所示，所述步骤S1中第一编解码网络的构建包括如下步骤：A1、对U-net网络分别进行8倍下采样和8倍上采样，并在所述U-net网络的编码端设置Resnet-18在ImageNet数据集上的预训练模型；A2、在所述U-net网络的上采样端设置亚像素卷积层，从而完成对所述第一编解码网络的构建。本实施例中，采用亚像素卷积的上采样方式来完成对透射谱的估计比现有其他的采样方式收敛更快。S2、如图3-图5所示，分别对所述浓雾区域和薄雾区域进行多级对比度拉伸预处理；S3、结合所述浓雾区域的预处理结果利用第二编解码网络对所述浓雾区域进行修复，以及结合所述薄雾区域的预处理结果利用第三编解码网络对所述薄雾区域进行修复。本实施例中，第二编解码网络对结合多级对比度拉伸后的预处理特征后的浓雾区域进行修复处理，第三编解码网络对结合多级对比度拉伸后的预处理特征后的薄雾区域进行修复处理。所述利用多级对比度拉伸增强修复后的浓雾区域和薄雾区域的图像本文档来自技高网...

【技术保护点】
1.一种基于透射谱指导的多级对比度拉伸去雾方法，其特征在于，包括如下步骤：/nS1、利用第一编解码网络生成有雾图片的透射谱，并利用透射谱与雾浓度的关系将所述有雾图片分成浓雾区域和薄雾区域；/nS2、分别对所述浓雾区域和薄雾区域进行多级对比度拉伸预处理；/nS3、结合所述浓雾区域的预处理结果利用第二编解码网络对所述浓雾区域进行修复，以及结合所述薄雾区域的预处理结果利用第三编解码网络对所述薄雾区域进行修复；/nS4、利用密集卷积块对修复后的浓雾区域和薄雾区域的特征进行融合处理，得到去雾后的图像。/n

【技术特征摘要】
1.一种基于透射谱指导的多级对比度拉伸去雾方法，其特征在于，包括如下步骤：
S1、利用第一编解码网络生成有雾图片的透射谱，并利用透射谱与雾浓度的关系将所述有雾图片分成浓雾区域和薄雾区域；
S2、分别对所述浓雾区域和薄雾区域进行多级对比度拉伸预处理；
S3、结合所述浓雾区域的预处理结果利用第二编解码网络对所述浓雾区域进行修复，以及结合所述薄雾区域的预处理结果利用第三编解码网络对所述薄雾区域进行修复；
S4、利用密集卷积块对修复后的浓雾区域和薄雾区域的特征进行融合处理，得到去雾后的图像。


2.根据权利要求1所述的基于透射谱指导的多级对比度拉伸去雾方法，其特征在于，所述步骤S1中透射谱的损失函数Transloss表达式如下：



其中，N表示每张有雾图片的像素总个数，x表示像素，T(·)表示训练得到的透射图，O(·)表示真实的透射图。


3.根据权利要求1所述的基于透射谱指导的多级对比度拉伸去雾方法，其特征在于，所述步骤S1中第一编解码网络的构建包括如下步骤：
A1、对U-net网络分别进行8倍下采样和8倍上采样，并在所述U-net网络的编码端设置Resnet-18在ImageNet数据集上的预训练模型；
A2、在所述U-net网络的上采样端设置亚像素卷积层，从而完成对所述第一编解码网络的构建。


4.根据权利要求1所述的基于透射谱指导的多级对比度拉伸去雾方法，其特征在于，所述步骤S2中利用多级对比度拉伸修复后的浓雾区域和薄雾区域的图像特征信息的表达式如下：
g＝alog(|b|f+1)+c(e|d|f-1)
其中，g表示对比度拉伸后的图像特征信息，f表示需要进行对比度拉伸的图像，a、b、c、d分别表示对比度拉伸的模式和等级的参数。


5.根据权利要求1所述的基于透射谱指导的多级对比度拉...

【专利技术属性】
技术研发人员：吴庆波，魏浩冉，李辉，李宏亮，孟凡满，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51