结合残差块和密集块的编码器-解码器网络图像去雾方法技术

本发明专利技术公开了一种结合残差块和密集块的编码器‑解码器网络的图像去雾方法，该方法包括以下步骤：首先使用深度超分辨率技术，提高深度图的分辨率，其次以建立的大气散射模型为基础，使用加雾算法将高分辨率深度图合成有雾图像，完成训练集的优化处理，然后通过研究主流的CNN技术，设计结合残差块和密集块的编码器‑解码器网络，最后通过最小化整体的损失函数，训练和优化网络模型，实现图像去雾。本发明专利技术的方法在编码器‑解码器网络中，引入了残差块和密集块结构，有利于提高网络的信息流通，最大限度的保留特征信息，学习到更加准确的图像特征信息。使用本发明专利技术的方法可以提高图像去雾的质量，获得较为理想的图像去雾结果。

【技术实现步骤摘要】
结合残差块和密集块的编码器-解码器网络图像去雾方法
本专利技术涉及图像处理
，具体涉及一种结合残差块和密集块的编码器-解码器网络的图像去雾方法。
技术介绍
由于受到气候、环境污染等因素的影响，当大气中的空气气压低，风力较小时，气流就会流动缓慢或者不流动，使得空气中水滴、灰尘等悬浮颗粒聚集，形成了雾或雾霾。光线在传输过程中，由于受到雾或雾霾反射、折射、吸收等作用的影响，导致图像对比度下降，细节信息丢失，严重影响图像成像质量。从光学角度来解释，有雾图像影响人们的日常照片拍摄，实时监控系统、目标追踪系统、卫星遥感技术等领域也受到了严重的影响。因此，急需提出一种快速的、有效的、便于实现的图像去雾方法，恢复图像的清晰度、可视性。近几十年，经过许多学者的不断研究与发现，产生了许多经典的、有效的图像去雾方法。目前，图像去雾方法主要可以分为两大类。第一类，基于图像增强的去雾方法，此类方法大多不是从物理模型出发，大致可分为两小类：(1)全局增强算法，包括全局直方图均衡算法、小波变换方法、Retinex算法、曲波变换、同态滤波等；(2)局部增强算法，本文档来自技高网...

【技术保护点】
1.一种结合残差块和密集块的编码器-解码器网络的图像去雾方法，其特征是，首先使用深度超分辨率技术，提高深度图的分辨率，其次以建立的大气散射模型为基础，使用加雾算法将高分辨率深度图合成有雾图像，完成训练集的优化处理，然后通过研究主流的CNN技术，设计结合残差块和密集块的编码器-解码器网络，最后通过最小化整体的损失函数，训练和优化编码器-解码器网络，实现图像去雾。/n

【技术特征摘要】
1.一种结合残差块和密集块的编码器-解码器网络的图像去雾方法，其特征是，首先使用深度超分辨率技术，提高深度图的分辨率，其次以建立的大气散射模型为基础，使用加雾算法将高分辨率深度图合成有雾图像，完成训练集的优化处理，然后通过研究主流的CNN技术，设计结合残差块和密集块的编码器-解码器网络，最后通过最小化整体的损失函数，训练和优化编码器-解码器网络，实现图像去雾。


2.如权利要求1所述的一种结合残差块和密集块的编码器-解码器网络的图像去雾方法，其特征是，本发明的网络模型通过训练优化的训练集，学习到更加准确的图像特征，便于取得较为理想的去雾结果，主要包含以下几个步骤：
1）使用深度超分辨率技术，提高深度图的分辨率，完成深度图的优化处理；
2）以建立的大气散射模型为基础，使用加雾算法将高分辨率深度图合成有雾图像，完成训练集的优化处理；
3）通过研究主流的CNN技术，设计结合残差块和密集块的编码器-解码器网络；
4）通过最小化整体的损失函数，训练和优化编码器-解码器网络；
5）使用编码器-解码器网络，实现图像去雾。


3.如权利要求2所述的一种结合残差块和密集块的编码器-解码器网络的图像去雾方法，其特征是，所述步骤1）通过使用深度超分辨率技术，提高深度图的分辨率，完成深度图的优化处理，为后续优化训练集做好准备工作...

【专利技术属性】
技术研发人员：华臻，丁元娟，李晋江，
申请(专利权)人：山东工商学院，
类型：发明
国别省市：山东;37