一种基于全卷积网络的遥感影像去雾方法技术

本发明专利技术提供一种基于全卷积网络的遥感影像去雾方法，包括如下步骤：S1：采集原始清晰影像和实拍的带雾影像，将原始清晰影像和实拍的带雾影像合成人工合成的带雾影像；S2：构建HRFCN全卷积网络模型，该模型包括卷积模块和回归模块，将人工合成的带雾影像输入HRFCN全卷积网络模型，经卷积模块进行影像信息提取和回归模块进行回归运算后输出对应的透射率图；S3：根据实拍的带雾影像和对应的透射率图，利用大气散射模型，获得去雾影像。本发明专利技术针对其他方法中诸如整体色调过饱和、对白色或浅色目标误判为雾等等的问题，进行了一定的调整，从而避免了这些问题，使获得的去雾影像轮廓更加清晰、更加自然。

【技术实现步骤摘要】
一种基于全卷积网络的遥感影像去雾方法
本专利技术涉及影像处理领域，特别涉及一种基于全卷积网络的遥感影像去雾方法。
技术介绍
由于诸如灰尘，烟雾和雾霾等气溶胶的存在，给遥感影像带来了大量噪声。它大大降低了影像的可见度和对比度，使影像表面颜色变淡，导致影像数据信息量减少。此外，遥感图像如果包含大量的有雾区域，会使许多后续数据处理与解译任务(如影像分割、目标检测和识别、影像分类等)的效果受到大幅影响。一方面，与清晰影像相比，带雾影像的图像表现力明显下降，极大影响了使用者的视觉感受，从而使得遥感图像的人工解译难度大大增加、精度大大降低。另一方面，影像中的云雾对一系列自动处理任务的精度也会造成很大的影响。如表1所示，在BoyiLi的实验[LiB,PengX,WangZ,etal.AnAll-in-OneNetworkforDehazingandBeyond[J].2017.]中发现，在不同程度的云雾干扰下，深度学习实现的人工智能自动目标检测模型的平均精度值(meanaverageprecision,mAP)会有很大的降低。对于薄雾、中雾、重雾影像本文档来自技高网...

【技术保护点】
1.一种基于全卷积网络的遥感影像去雾方法，其特征在于，包括如下步骤：/nS1：采集原始清晰影像和实拍的带雾影像，将原始清晰影像和实拍的带雾影像合成人工合成的带雾影像；/nS2：构建HRFCN全卷积网络模型，该模型包括卷积模块和回归模块，将人工合成的带雾影像输入HRFCN全卷积网络模型，经卷积模块进行影像信息提取和回归模块进行回归运算后输出对应的透射率图；/nS3：根据实拍的带雾影像和对应的透射率图，利用大气散射模型，获得去雾影像。/n

【技术特征摘要】
1.一种基于全卷积网络的遥感影像去雾方法，其特征在于，包括如下步骤：
S1：采集原始清晰影像和实拍的带雾影像，将原始清晰影像和实拍的带雾影像合成人工合成的带雾影像；
S2：构建HRFCN全卷积网络模型，该模型包括卷积模块和回归模块，将人工合成的带雾影像输入HRFCN全卷积网络模型，经卷积模块进行影像信息提取和回归模块进行回归运算后输出对应的透射率图；
S3：根据实拍的带雾影像和对应的透射率图，利用大气散射模型，获得去雾影像。


2.如权利要求1所述的基于全卷积网络的遥感影像去雾方法，其特征在于：还包括步骤S4：评估HRFCN全卷积网络模型，比较去雾影像和原始清晰影像的差异。


3.如权利要求2所述的基于全卷积网络的遥感影像去雾方法，其特征在于：步骤S1包括：
S1.1：对实拍的带雾影像使用暗通道先验去雾算法估计其对应的预估透射率图；
S1.2：对预估透射率图进行重新采样；
S1.3：对原始清晰影像和重采样的预估透射率图分别单独进行数据增强处理，得到处理透射率图和处理清晰影像；
S1.4：以处理清晰影像作为引导图像，对处理透射率图进行引导滤波，得到人工合成的带雾影像。


4.如权利要求3所述的基于全卷积网络的遥感影像去雾方法，其特征在于：数据增强处理包括镜像翻转处理、亮度拉伸处理和/或旋转处理。


5.如权利要求2所述的基于全卷积网络的遥感影像去雾方法，其特征在于：步骤S2包括：
S2.1：卷积模块首先使用两个卷积层提取人工合成的带雾影像的影像特征和低层次信息，然后使用三个池化块将影像采...

【专利技术属性】
技术研发人员：张晓东，廖溥昀，陈关州，朱坤，谭效良，张力飞，王铜，
申请(专利权)人：湖北富瑞尔科技有限公司，
类型：发明
国别省市：湖北;42