一种基于多尺度卷积的加权融合图像去雾方法及装置制造方法及图纸

本发明专利技术公开了一种基于多尺度卷积的加权融合图像去雾方法及装置，应用于图像处理技术领域，包括：构建图像去雾模型；获取成对的有雾图像数据及无雾图像数据，利用所述编码器对所述有雾图像数据进行处理，得到对应的第一特征图；基于多个所述特征提取模块及所述通道加权融合模块实现对所述第一特征图的转换及去雾；将经过上述步骤得到的结果利用所述编码器进行转换，并输出最终的无雾图像。本发明专利技术提供了一种基于多尺度卷积的加权融合图像去雾方法及装置，通过设置多个加权融合模块能够平衡整个网络的权重信息，通过应用多尺度卷积提取来自多尺度特征信息，可以在不应用上采样和下采样的情况下从不同尺度提取图像特征，避免了图像失真。像失真。像失真。

【技术实现步骤摘要】
一种基于多尺度卷积的加权融合图像去雾方法及装置


[0001]本专利技术涉及图像处理
，更具体的说是涉及一种基于多尺度卷积的加权融合图像去雾方法及装置。

技术介绍

[0002]目前，雾是由水汽、灰尘、烟等粒子所形成的一种传统的大气现象。在视觉成像过程中，雾会使视觉系统所处理的图像模糊、对比度降低、饱和度偏差，更会增加后续分类、识别、检测和跟踪等视觉分析任务的难度，甚至导致相关视觉任务失败。
[0003]但是，现有的图像去雾算法主要分为三种类别：第一种是将图像去雾作为图像处理的一个子任务，在图像去噪过程中，对图像进行增强和去雾；第二种是基于大气散射模型，其中假设室外无雾图像通常在至少一个通道中具有低强度值，第三种是基于卷积神经网络(CNN)，一些研究人员利用神经网络来估计大气散射模型的参数，而其他研究人员则转向寻找基于学习网络的端到端的方式直接输出去无雾图像。虽然上述方法取得了一定的效果，但仍然存在如下问题：(1)图像中存在雾度分布不均的情况，这导致去雾的效果也不甚理想；(2)生成的无雾图像存在像素失真的情况.r/>[0004]因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度卷积的加权融合图像去雾方法，其特征在于，包括：步骤1：构建图像去雾模型，其中，所述图像去雾模型包括依次连接的编码器、多个特征提取模块、信道加权融合模块及解码器；步骤2：获取成对的有雾图像数据及无雾图像数据，利用所述编码器对所述有雾图像数据进行处理，得到对应的第一特征图；步骤3：基于多个所述特征提取模块及所述通道加权融合模块实现对所述第一特征图的转换及去雾；步骤4：将经过所述步骤3得到的结果利用所述编码器进行转换，并输出最终的无雾图像。2.根据权利要求1所述的一种基于多尺度卷积的加权融合图像去雾方法，其特征在于，所述步骤4还包括：对所述输出的无雾图像进行评估。3.根据权利要求1所述的一种基于多尺度卷积的加权融合图像去雾方法，其特征在于，所述特征提取模块包括依次连接的多个多尺度卷积残差块以及空间加权融合模块。4.根据权利要求3所述的一种基于多尺度卷积的加权融合图像去雾方法，其特征在于，所述步骤3包括：步骤31：将所述第一特征图输入多个所述多尺度卷积残差块，得到多个部分特征图；步骤32：将多个所述部分特征图输入所述空间加权融合模块，进行拼接融合同时得到对应的空间权重，将所述空间权重与所述第一特征图进行相乘；步骤33：将多个所述部分特征图输入所述信道加权融合模块进行通道加权，并将加权结果与所述步骤32得到的相乘结果进行融合。5.根据权利要求4所述的一种基于多尺度卷积的加权融合图像去雾方法，其特征在于，所述步骤4具体包括：利用所述解码器将所述步骤33得到的融合结果进行转换，并将转换结果与所述有雾图像数据相加得到最终的无雾图像。6.根据权利要求4所述的一种基于多尺...

【专利技术属性】
技术研发人员：刘学亮，洪日昌，汪萌，孙乐璇，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：