图像去雾模型训练方法、去雾处理方法、装置及存储介质制造方法及图纸

本发明专利技术提供一种图像去雾模型训练方法、去雾处理方法、装置及存储介质，涉及图像处理技术领域。该方法包括：对样本低分辨率有雾图像进行去雾处理，得到低分辨率无雾特征；对样本低分辨率有雾图像进行特征提取，得到基础特征；对低分辨率无雾特征和基础特征进行重建处理，得到样本低分辨率有雾图像对应的高分辨率无雾图像；根据样本低分辨率有雾图像对应的样本低分辨率无雾图像和高分辨率无雾图像，对图像去雾模型进行参数训练。根据低分辨率无雾特征和基础特征重建得到的高分辨率无雾图像，对图像去雾模型进行参数训练；采用训练的图像去雾模型可以根据低分辨率有雾图像，输出高分辨率无雾图像，提高了去雾图像的分辨率，使得去雾图像更加清晰。雾图像更加清晰。雾图像更加清晰。

【技术实现步骤摘要】
图像去雾模型训练方法、去雾处理方法、装置及存储介质


[0001]本专利技术涉及图像处理
，具体而言，涉及一种图像去雾模型训练方法、去雾处理方法、装置及存储介质。

技术介绍

[0002]随着计算机视觉技术的发展，计算机视觉应用范围也不断扩大，获得高质量图像信息可以提高计算机视觉技术准确率。随着深度学习技术的迅速发展，采用深度学习技术来增强图像质量也受到了广泛的欢迎。
[0003]相关技术中，通常采用基于先验信息的传统去雾算法或基于深度学习的去雾算法，对有雾图像进行处理得到去雾后的图像。
[0004]但是，相关技术中，采用上述算法处理得到的去雾图像，容易出现去雾后的图像分辨率较低、不清晰的问题。

技术实现思路

[0005]本专利技术的目的在于，针对上述现有技术中的不足，提供一种图像去雾模型训练方法、去雾处理方法、装置及存储介质，以便解决相关技术中，采用单图像去雾算法处理得到的去雾图像，容易出现去雾后的图像分辨率较低、不清晰的问题。
[0006]为实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本申请实施例提供一种图像去雾模型的训练方法，包括：对样本低分辨率有雾图像进行去雾处理，得到低分辨率无雾特征；对所述样本低分辨率有雾图像进行特征提取，得到基础特征；对所述低分辨率无雾特征和所述基础特征进行重建处理，得到所述样本低分辨率有雾图像对应的高分辨率无雾图像；根据所述样本低分辨率有雾图像对应的样本低分辨率无雾图像和所述高分辨率无雾图像，对所述图像去雾模型进行参数训练。r/>[0007]可选的，所述对样本低分辨率有雾图像进行去雾处理，得到低分辨率无雾特征，包括：对所述样本低分辨率有雾图像进行编码处理，得到第一像素尺度的编码特征；对所述第一像素尺度的编码特征进行编码处理，得到第二像素尺度的编码特征；对所述第二像素尺度的编码特征进行解码处理，得到所述第二像素尺度的解码特征；对所述第二像素尺度的解码特征和所述第一像素尺度的编码特征进行解码处理，得到所述第一像素尺度的解码特征；对所述第一像素尺度的解码特征和所述样本低分辨率有雾图像进行像素相加，得到所述低分辨率无雾特征。
[0008]可选的，所述对所述第二像素尺度的编码特征进行解码处理，得到所述第二像素
尺度的解码特征之前，所述方法还包括：采用多个连续记忆残差块，依次对所述第二像素尺度的编码特征进行处理；所述对所述第二像素尺度的特征进行解码处理，得到所述第二像素尺度的解码特征，包括：对所述多个连续记忆残差块中最后一个连续记忆残差块处理后的编码特征进行解码处理，得到所述第二像素尺度的解码特征。
[0009]可选的，所述对所述低分辨率无雾特征和所述基础特征进行重建处理，得到所述样本低分辨率有雾图像对应的高分辨率无雾图像之前，所述方法还包括：对所述低分辨率无雾特征、所述样本低分辨率有雾图像以及所述基础特征进行融合处理，得到像素权重；根据所述像素权重，对所述低分辨无雾特征进行加权运算，得到加权低分辨无雾特征；对所述加权低分辨无雾特征和所述基础特征进行像素相加，得到混合特征；所述对所述低分辨率无雾特征和所述基础特征进行重建处理，得到所述样本低分辨率有雾图像对应的高分辨率无雾图像，包括：对所述混合特征进行重建处理，得到所述高分辨率无雾图像。
[0010]可选的，所述对所述低分辨率无雾特征和所述基础特征进行重建处理，得到所述样本低分辨率有雾图像对应的高分辨率无雾图像，包括：对所述低分辨率无雾特征和所述基础特征进行处理，得到放大预设倍数的高分辨无雾特征；对所述放大预设倍数的高分辨率无雾特征进行处理，得到放大预设倍数的高分辨率无雾图像。
[0011]可选的，所述方法还包括：将所述放大预设倍数的高分辨无雾特征进行去雾处理，得到放大预设倍数的目标高分辨率无雾特征；对所述放大预设倍数的目标高分辨率无雾特征进行特征提取，得到放大预设倍数的基础特征；对所述放大预设倍数的目标高分辨率无雾特征和所述放大预设倍数的基础特征进行重建处理，得到再次放大预设倍数后的高分辨率无雾图像。
[0012]可选的，所述方法还包括：对所述低分辨率无雾特征进行处理，得到低分辨率无雾图像；所述根据所述样本低分辨率有雾图像对应的样本低分辨率无雾图像和所述高分辨率无雾图像，对所述图像去雾模型进行参数训练，包括：根据所述低分辨率无雾图像、所述样本低分辨率无雾图像、所述高分辨率无雾图像，以及所述样本低分辨率无雾图像对应的目标样本低分辨率无雾图像，采用预设的激活函数，计算损失函数值；所述目标样本低分辨率无雾图像的分辨率高于样本低分辨率无雾图像的分辨率；对所述图像去雾模型的参数进行调整，直至所述损失函数值收敛。
[0013]可选的，所述根据所述低分辨率无雾图像、所述样本低分辨率有雾图像、所述高分
辨率无雾图像，以及所述样本低分辨率有雾图像对应的样本高分辨率有雾图像，采用预设的激活函数，计算损失函数值，包括：根据所述样本低分辨率无雾图像，和所述低分辨率无雾图像，采用所述激活函数，计算第一损失函数值；根据所述样本高分辨率无雾图像，和所述高分辨率无雾图像，采用所述激活函数，计算第二损失函数值；根据预设的第一权重、预设的第二权重，对所述第一损失函数值和所述第二损失函数值进行加权和运算，得到所述损失函数值。
[0014]可选的，所述样本低分辨率有雾图像为预设有雾场景中预设雾度的样本低分辨率有雾图像；所述预设雾度的样本低分辨率有雾图像为对所述预设雾度的样本高分辨率有雾图像进行下采样得到的图像。
[0015]第二方面，本申请实施例提供一种图像去雾处理方法，所述方法包括：获取输入的低分辨率有雾图像；采用预设的图像去雾模型对所述低分辨率有雾图像进行处理，得到所述低分辨率有雾图像对应的目标高分辨率无雾图像；其中，所述图像去雾模型为采用上述第一方面任一所述的训练方法得到的模型。
[0016]第三方面，本申请实施例提供一种图像去雾模型的训练装置，包括：去雾处理模块，用于对样本低分辨率有雾图像进行去雾处理，得到低分辨率无雾特征；提取模块，用于对所述样本低分辨率有雾图像进行特征提取，得到基础特征；重建处理模块，用于对所述低分辨率无雾特征和所述基础特征进行重建处理，得到所述样本低分辨率有雾图像对应的高分辨率无雾图像；训练模块，用于根据所述样本低分辨率有雾图像对应的样本低分辨率无雾图像和所述高分辨率无雾图像，对所述图像去雾模型进行参数训练。
[0017]可选的，所述去雾处理模块，还用于对所述样本低分辨率有雾图像进行编码处理，得到第一像素尺度的编码特征；对所述第一像素尺度的编码特征进行编码处理，得到第二像素尺度的编码特征；对所述第二像素尺度的编码特征进行解码处理，得到所述第二像素尺度的解码特征；对所述第二像素尺度的解码特征和所述第一像素尺度的编码特征进行解码处理，得到所述第一像素尺度的解码特征；对所述第一像素尺度的解码特征和所述样本低分辨率有雾图像进行像素相加，得到所述低分辨率无雾特征。
[0018]可选的，所述装置还包括：处理模块，用于采用多个连续记忆残差块，依次对所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像去雾模型的训练方法，其特征在于，包括：对样本低分辨率有雾图像进行去雾处理，得到低分辨率无雾特征；对所述样本低分辨率有雾图像进行特征提取，得到基础特征；对所述低分辨率无雾特征和所述基础特征进行重建处理，得到所述样本低分辨率有雾图像对应的高分辨率无雾图像；根据所述样本低分辨率有雾图像对应的样本低分辨率无雾图像和所述高分辨率无雾图像，对所述图像去雾模型进行参数训练。2.如权利要求1所述的方法，其特征在于，所述对样本低分辨率有雾图像进行去雾处理，得到低分辨率无雾特征，包括：对所述样本低分辨率有雾图像进行编码处理，得到第一像素尺度的编码特征；对所述第一像素尺度的编码特征进行编码处理，得到第二像素尺度的编码特征；对所述第二像素尺度的编码特征进行解码处理，得到所述第二像素尺度的解码特征；对所述第二像素尺度的解码特征和所述第一像素尺度的编码特征进行解码处理，得到所述第一像素尺度的解码特征；对所述第一像素尺度的解码特征和所述样本低分辨率有雾图像进行像素相加，得到所述低分辨率无雾特征。3.如权利要求2所述的方法，其特征在于，所述对所述第二像素尺度的编码特征进行解码处理，得到所述第二像素尺度的解码特征之前，所述方法还包括：采用多个连续记忆残差块，依次对所述第二像素尺度的编码特征进行处理；所述对所述第二像素尺度的特征进行解码处理，得到所述第二像素尺度的解码特征，包括：对所述多个连续记忆残差块中最后一个连续记忆残差块处理后的编码特征进行解码处理，得到所述第二像素尺度的解码特征。4.如权利要求1所述的方法，其特征在于，所述对所述低分辨率无雾特征和所述基础特征进行重建处理，得到所述样本低分辨率有雾图像对应的高分辨率无雾图像之前，所述方法还包括：对所述低分辨率无雾特征、所述样本低分辨率有雾图像以及所述基础特征进行融合处理，得到像素权重；根据所述像素权重，对所述低分辨无雾特征进行加权运算，得到加权低分辨无雾特征；对所述加权低分辨无雾特征和所述基础特征进行像素相加，得到混合特征；所述对所述低分辨率无雾特征和所述基础特征进行重建处理，得到所述样本低分辨率有雾图像对应的高分辨率无雾图像，包括：对所述混合特征进行重建处理，得到所述高分辨率无雾图像。5.如权利要求1所述的方法，其特征在于，所述对所述低分辨率无雾特征和所述基础特征进行重建处理，得到所述样本低分辨率有雾图像对应的高分辨率无雾图像，包括：对所述低分辨率无雾特征和所述基础特征进行处理，得到放大预设倍数的高分辨无雾特征；对所述放大预设倍数的高分辨率无雾特征进行处理，得到放大预设倍数的高分辨率无雾图像。
6.如权利要求5所述的方法，其特征在于，所述方法还包括：将所述放大预设倍数的高分辨无雾特征进行去雾处理，得到放大预设倍数的目标高分辨率无雾特征；对所述放大预设倍数的目标高分辨率无雾特征进行特征提取，得到放大预设倍数的基础特征；对所述放大预设倍数的目标高分辨率无雾特征和所述放大预设倍数的基础特征进行重建处理，得到再次放大预设倍数后的高分辨率无雾图像。7.如权利要求5所述的方法，其特征在于，所述方法还包括：对所述低分辨率无雾特征进行处...

【专利技术属性】
技术研发人员：项蕾，李帅，
申请(专利权)人：恒生电子股份有限公司，
类型：发明
国别省市：