【技术实现步骤摘要】
一种基于上下文引导生成对抗网络的单幅图像去雾方法
本专利技术属于图像处理方法
，涉及一种基于上下文引导生成对抗网络的单幅图像去雾方法。
技术介绍
在雾霾天气中，在室外拍摄的图像通常会受到严重的退化，如对比度差和颜色失真。这将给进一步的图像感知和理解带来很大的困难。雾霾是一种典型的大气现象，其中灰尘、烟雾和其他粒子极大地降低了捕获图像的质量和能见度，从而使进一步的感知和理解变得困难。因此，去除雾霾，特别是单一图像去霾具有很高的实用性和现实性，具有广泛的学术和行业价值。在雾、霾天气条件下，大气中悬浮微粒的散射作用使户外采集图像对比度降低，图像质量下降，严重影响了道路监控、环境监测、目标识别等户外计算机视觉系统的应用。随着计算机技术的不断发展，越来越多的计算机视觉系统运用到人们的日常生活中，我们需要它们可以直接、实时、清晰准确的满足我们的需求。但是在有雾的环境中，现有的室外的计算机视觉系统的作用会大打折扣。由于有雾图像光照不均匀、对比度较低且色偏严重，许多现有的算法并不能表现出良好的去雾结果。...
【技术保护点】
1.一种基于上下文引导生成对抗网络的单幅图像去雾方法，其特征在于，包括以下步骤：/n步骤1、获取图像数据集，对所述图像数据集中的每个图像进行归一化处理，得到训练集；/n步骤2、构建生成对抗网络模型，所述生成对抗网络模型包括生成网络和判别网络，所述生成网络包括：/n特征提取编码器：逐层提取有雾图像的浅层特征、深层特征；/n上下文信息提取解码器：通过自下而上的金字塔模型对多个级联卷积层提取的深层特征进行尺度增强，提取深层特征中隐含的上下文信息，得到粗去雾图像；/n融合解码器：先通过跳过连接将所述浅层特征与反卷积层获得的特征对称连接得到组合特征，并通过卷积层对组合特征进行整合；再...
【技术特征摘要】
1.一种基于上下文引导生成对抗网络的单幅图像去雾方法，其特征在于，包括以下步骤：
步骤1、获取图像数据集，对所述图像数据集中的每个图像进行归一化处理，得到训练集；
步骤2、构建生成对抗网络模型，所述生成对抗网络模型包括生成网络和判别网络，所述生成网络包括：
特征提取编码器：逐层提取有雾图像的浅层特征、深层特征；
上下文信息提取解码器：通过自下而上的金字塔模型对多个级联卷积层提取的深层特征进行尺度增强，提取深层特征中隐含的上下文信息，得到粗去雾图像；
融合解码器：先通过跳过连接将所述浅层特征与反卷积层获得的特征对称连接得到组合特征，并通过卷积层对组合特征进行整合；再通过跳过连接将所述上下文信息提取解码器得到的对称特征与校正后的组合特征进行融合，得到细去雾图像；
步骤3、利用训练集对所述生成对抗网络模型进行训练，得到训练后的生成对抗网络模型；
步骤4、将有雾图像输入所述训练后的生成对抗网络模型中，得到细去雾图像。
2.根据权利要求1所述的一种基于上下文引导生成对抗网络的单幅图像去雾方法，其特征在于，所述特征提取编码器的具体操作为：
a.将所述训练集中的图像经过一个卷积核大小为3、步长为1的卷积层输出浅层特征O1，所述卷积层包括卷积操作、实例归一化和激活函数ReLU；
b.将所述浅层特征O1输入到由三个卷积层组成的卷积块CB1，输出浅层特征O2；
c.将所述浅层特征O2输入卷积核大小为3、步长为2的卷积层进行下采样处理，输出浅层特征O3；
d.将所述浅层特征O3经过三个卷积层组成的卷积块CB2，输出浅层特征O4；
e.将所述浅层特征O4输入卷积核大小为3、步长为2的卷积层进行下采样处理，输出浅层特征O5；
f.将所述浅层特征O5经过一个卷积核大小为3，步长为1的卷积层，输出深层特征O6；
g.将所述深层特征O6依次经过三个由两个卷积层组成的卷积块CB3、CB4和CB5，输出深层特征O7、深层特征O8、深层特征O9。
3.根据权利要求2所述的一种基于上下文引导生成对抗网络的单幅图像去雾方法，其特征在于，所述上下文信息提取解码器的具体操作为：
h.将所述深层特征O6、深层特征O7进行通道连接，并将连接后的特征映射输入到一个由两个卷积层组成的卷积块CB6中，输出特征O10；
i.将所述特征O10输入卷积核大小为3、步长为2的反卷积层进行上采样，并使用一个卷积层来整合特征，输出特征O11；
j.将...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。