一种自适应视频去雾方法与装置制造方法及图纸

本发明专利技术公开了一种自适应视频去雾方法与装置，所述装置包括：处理终端，单目相机，红外测距模块，WIFI模块，主控芯片。步骤包括：步骤一、搭建透射图计算卷积神经网络；步骤二、训练卷积神经网络；步骤三、搭建无线摄像机成像系统和红外测距系统；步骤四、传输信息并计算大气能见度；步骤五、通过神经网络计算中间透射图；步骤六、通过大气散射模型复原无雾图像。这种办法计算量相对较小，可做到视频实时处理，去雾效果好，不出现光晕和伪影现象，提升图像质量。

An adaptive video de fogging method and device

【技术实现步骤摘要】
一种自适应视频去雾方法与装置
本专利技术涉及图像去雾技术，尤其涉及一种自适应视频去雾方法与装置。
技术介绍
雾霾是一种常见的大气现象，其中的灰尘，烟雾和其他干燥颗粒会降低大气的透明度。光线需要穿过密集的大气才能对远处的物体成像，由于雾霾颗粒的光散射的影响，导致一般成像系统拍摄出来的图像对比度非常的低，能见度差。尤其对道路监控摄像头影响巨大。去雾一直以来都是一种非常具有挑战性的问题，因为物体在不同深度下，雾的浓度也是不同的。许多图像增强技术被用于图像去雾，例如基于直方图的，基于对比度的，基于饱和度的。基于无雾图像和有雾图像的统计，何凯明博士发现，每一幅图像的RGB三个颜色通道中，总有一个通道的灰度值很低，几乎趋向于0。根据这条规律专利技术了暗通道先验算法，该算法简单易用，广泛运用在图像去雾领域中。但是该算法计算量很大，而且在计算天空雾图像时会失效。近年来，随着国内外学者对深度学习展开进一步研究，有一些神经网络对去雾和图像重建有良好的效果。朱博士基于颜色衰减先验估计景深的监督学习方法在去雾上取得了不错的结果，不过由于这些方法本文档来自技高网...

【技术保护点】
1.一种自适应视频去雾方法，其特征在于包括以下步骤：/n步骤一：搭建透射图计算卷积神经网络；/n步骤二：训练卷积神经网络；/n步骤三：搭建无线摄像机成像系统和红外测距系统；/n步骤四：传输信息并计算大气能见度；/n步骤五：通过神经网络计算中间透射图；/n步骤六：通过大气散射模型复原无雾图像。/n

【技术特征摘要】
1.一种自适应视频去雾方法，其特征在于包括以下步骤：
步骤一：搭建透射图计算卷积神经网络；
步骤二：训练卷积神经网络；
步骤三：搭建无线摄像机成像系统和红外测距系统；
步骤四：传输信息并计算大气能见度；
步骤五：通过神经网络计算中间透射图；
步骤六：通过大气散射模型复原无雾图像。


2.如权利要求1所述的自适应视频去雾方法，其特征在于：
所述步骤一中搭建透射图计算神经网络，过程包括：特征提取，多尺度映射，局部极值和非线性回归，以此建立卷积神经网络。


3.如权利要求2所述的自适应视频去雾方法，其特征在于：所述特征提取的步骤使用了Maxout激活函数作为减少尺寸的非线性映射，它通过对k个仿射特征图进行逐像素最大化操作来生成新的特征图，以此来替代基于假设的有雾特征提取，基于Maxout单元，如下设计神经网络的第一层



其中W1i,j和代表了滤波器和偏置，*代表卷积，i代表第i个滤波器，j代表第j个通道，x代表图像像素位置，gi,j代表第一个卷积层计算结果，为第m层的输出特征图，代表在j通道数组中取一个最大值，Maxout单元通过学习来提取与雾度相关的特征。


4.如权利要求2所述的自适应视频去雾方法，其特征在于：所述多尺度特征映射步骤输入多个空间尺度的特征图，并且可保持特征不变性，选择在网络的第二层中使用并行卷积运算，其中使用大小在3×3、5×5和7×7之间的卷积滤波器，并且对于这三个尺度，使用相同数量的滤波器，第二层的输出写为：









F2＝(Fa:Fb:Fc)
其中，为网络第二层第一组的权重和偏置，为网络第二层第二组的权重和偏置，为网络第二层第三组的权重和偏置，F2＝(Fa:Fb:Fc)代表将三个数组组合成一个数组。


5.如权利要求2所述的自适应视频去雾方法，其特征在于：所述局部极值采用如下处理方式：



其中Ω(x)是以x为中心的f3×f3区域，x为输出的像素位置...

【专利技术属性】
技术研发人员：赵巨峰，杨顺杰，崔光茫，吴超，郁嘉恺，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33