一种基于递归神经网络的夜间图像去雾方法技术

本发明专利技术公开了一种基于递归神经网络的夜间图像去雾方法，涉及图像去雾技术领域，包括以下步骤：搭建空洞卷积模型，并将夜间有雾图像I作为输入；获取从卷积层输出的辉光相关特征f

【技术实现步骤摘要】
一种基于递归神经网络的夜间图像去雾方法
本专利技术涉及图像去雾
，具体来说，涉及一种基于递归神经网络的夜间图像去雾方法。
技术介绍
近年来，日间图像去雾问题得到了广泛的关注，并涌现出许多优秀的算法，包括图像增强法，模型求解法等。然而将这些方法直接应用于夜间图像去雾问题时，效果往往不尽如人意。原因有二，一是相对于场景单一的强光源来说，夜间场景一般包含有多个光源，导致模型中的环境光照不再是常量；二是在雨雾天气，路灯、车灯等光源发出的光线经过折射与散射后使成像后的光源被放大，这种现象叫做辉光效应。现有的基于大气散射模型的图像去雾技术在日间雾霾图像的复原和清晰化上已经取得了良好的效果，但当将这些方法直接应用到夜间有雾图像的时候，结果却不尽如人意，其主要原因是夜间场景成像机制比较复杂，往往包含多个光源，环境光照不能再当作常量看待，而且这些方法无法去除雾气对入射光的衰减，因此不适用于夜间图像去雾。目前夜间图像去雾的效果还不够理想，主要表现在两个方面：1)颜色失真：去雾前后的全局颜色不一致；2)光晕效应：去雾后图像的光源区域存在光晕效应本文档来自技高网...

【技术保护点】
1.一种基于递归神经网络的夜间图像去雾方法，其特征在于，包括以下步骤：/n搭建空洞卷积模型，并将夜间有雾图像I作为输入；/n获取从卷积层输出的辉光相关特征f

【技术特征摘要】
1.一种基于递归神经网络的夜间图像去雾方法，其特征在于，包括以下步骤：
搭建空洞卷积模型，并将夜间有雾图像I作为输入；
获取从卷积层输出的辉光相关特征fG和经过小尺度的卷积滤波得到用来表示辉光位置的GM；
将获取的GM与fG的级联特征经过卷积滤波得到辉光的强度估计S；
将获取的特征级联起来卷积输出得到去辉光后的雾霾图像H；
获取雾霾图像H的透射率和环境光照；
将透射率和环境光照代入大气散射模型获得无雾图像。


2.根据权利要求1所述的基于递归神经网络的夜间图像去雾方法，其特征在于，进一步包括辉光分量分解，表示为：
I(x)＝H(x)+G(x)，
其中，H(x)＝Jc(x)t(x)+Ac(x)(1_t(x))表示为有雾图像的雾霾图像，

<...

【专利技术属性】
技术研发人员：于腾，万超颖，
申请(专利权)人：苏州加乘科技有限公司，
类型：发明
国别省市：江苏;32