【技术实现步骤摘要】
基于视觉质量评价反馈的图像去雨方法及电子装置
本专利技术属于图像处理、增强领域，涉及一种基于视觉质量评价反馈的图像去雨方法及电子装置。
技术介绍
深度学习去雨时代始于2017年。Yang等人构建一个联合雨痕检测和去除的网络，可以处理大雨，重叠的雨痕和雨雾。该网络可以通过预测二元掩模来检测雨水的位置，并采用递归框架来去除雨痕，逐步清除雨雾。该方法在下大雨的情况下取得了良好的效果。但是，方法可能会错误地去除垂直纹理并造成曝光不足。同年，Fu等人尝试通过构建深层细节网络去除雨痕。该网络仅将高频细节作为输入，并预测雨痕和干净的无雨图像。该工作表明，移除网络输入中的背景信息有利于网络训练。继Yang和Fu等人的工作，在后续工作中，许多基于卷积神经网络的方法被提出。这些方法采用了更高级的网络结构，并嵌入了与雨相关的新先验，在定量和定性分析中都取得了更好的结果。但是，由于这些方法受全监督学习范式的局限(使用合成雨图与仅使用基于信号保真度量的约束)，在处理训练过程中从未见过的真实降雨场景时，模型训练目标并未完全与人眼感知一致...
【技术保护点】
1.一种基于视觉质量评价反馈的图像去雨方法，其步骤包括：/n1)基于若干样本无雨图像及生成的雨痕与雨雾，生成若干雨天图像，构建成对图像数据集；/n2)将搜集的样本雨天图像进行去雨处理，并对各处理后样本雨天图像进行人工视觉质量评估，得到各处理后样本雨天图像的图像质量标签，构建非成对雨天图像质量数据集；/n3)利用非成对雨天图像质量数据集，训练第一卷积神经网络，得到质量评估网络；/n4)使用成对图像数据集和质量评估网络约束，训练第二卷积神经网络，得到图像去雨模型；/n5)将待处理图像输入图像去雨模型，得到去雨后的图像。/n
【技术特征摘要】
1.一种基于视觉质量评价反馈的图像去雨方法，其步骤包括：
1)基于若干样本无雨图像及生成的雨痕与雨雾，生成若干雨天图像，构建成对图像数据集；
2)将搜集的样本雨天图像进行去雨处理，并对各处理后样本雨天图像进行人工视觉质量评估，得到各处理后样本雨天图像的图像质量标签，构建非成对雨天图像质量数据集；
3)利用非成对雨天图像质量数据集，训练第一卷积神经网络，得到质量评估网络；
4)使用成对图像数据集和质量评估网络约束，训练第二卷积神经网络，得到图像去雨模型；
5)将待处理图像输入图像去雨模型，得到去雨后的图像。
2.如权利要求1所述的方法，其特征在于，生成雨痕与雨雾的方法包括：使用雨痕外观模型；对样本雨天图像进行去雨处理的方法包括：DID-MDN、SSIR、SPANet或JORDER-E。
3.如权利要求1所述的方法，其特征在于，雨雾的参数包括：透光率和背景光。
4.如权利要求3所述的方法，其特征在于，雨天图像y＝x(1-t)+tα+s，其中x为样本无雨图像，s为雨痕，t为透光率，α为背景光。
...
【专利技术属性】
技术研发人员：刘家瑛，杨文瀚，胡煜章，郭宗明，
申请(专利权)人：北京大学，
类型：发明
国别省市：北京;11
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。