【技术实现步骤摘要】
一种基于半监督域转换神经网络的图像去雾系统及其方法
[0001]本专利技术涉及图像处理技术与机器学习领域,尤其涉及一种基于半监督域转换神经网络的图像去雾系统及其方法。
技术介绍
[0002]雾霾是一种常见的天气现象。在雾霾天气下,空气中悬浮着大量的由水、灰尘等物质组成的气溶胶颗粒。光线穿过这些气溶胶颗粒时会发生散射,光照强度会衰减,光路会偏折。散射造成的失焦、光照不足会引起成像降质。此外,这些气溶胶颗粒还会对环境光进行散射。由于气溶胶颗粒对不同频率的光线的散射影响不同,所以还会使景物产生一定的色偏。
[0003]研究人员提出了大气散射模型
[1]用来描述雾霾天气对成像的影响:
[0004]I(x)=J(x)t(x)+A(1
‑
t(x))
[0005]其中I(x)代表雾天观测到的图像,J(x)代表景物无雾状态下的成像,A是全局大气光,x代表像素的坐标。t(x)是图像的传输率,与景物距离镜头的距离有关。
[0006]根据大气散射模型利用单幅有雾图像恢复无雾图像是一个病态问题。早期的去雾算法基于一些统计学线索实现求解。例如暗通道先验算法(DCP)
[2]和颜色先验算法(CAP)
[3],通过先验知识对大气散射模型中的参数进行估计从而求解出无雾图。神经网络拥有强大的表征能力,可以挖掘到很多难以通过人工统计获得的先验知识。Cai等
[4]提出了基于卷积神经网络估计传输率的去雾算法。随后,基于神经网络的去雾算法不断发展,多尺度机制,注意力机制,特征 ...
【技术保护点】
【技术特征摘要】
1.一种基于半监督域转换神经网络的图像去雾系统,其特征在于,图像去雾系统包括如下步骤:1)通过可微结构方法搜索神经网络获得编码单元和解码单元;2)用搜索到的编码单元搭建合成有雾域编码器E
S
(
·
)和真实有雾域编码器E
R
(
·
);用搜索到的解码器单元搭建清晰域解码器D
C
(
·
)和真实有雾域解码器D
R
(
·
);同时,搭建清晰域鉴别器Dis
C
(
·
)和真实有雾域鉴别器Dis
R
(
·
);3)通过搜索的编码器和解码器搭建半监督域转换框架,所述半监督域转换框架包括:合成有雾域编码器E
S
(
·
)和清晰域解码器D
C
(
·
)构成去合成雾网络S2C;真实有雾域编码器E
R
(
·
)和真实有雾域解码器D
R
(
·
)构成重构真实雾网络R2R;合成有雾域编码器E
S
(
·
)和真实有雾域解码器D
R
(
·
)构成数据增广网络S2R;真实有雾域编码器E
R
(
·
)和清晰域解码器D
C
(
·
)构成去真实雾网络R2C;4)通过预训练的数据增广网络S2R扩展合成有雾数据生成伪真实有雾图像;5)将预训练的去合成雾网络S2C和去真实雾网络R2C融合搭建通用去雾网络G(
·
)。2.根据权利要求1所述的一种基于半监督域转换神经网络的图像去雾系统,其特征在于,图像去雾系统包括编码器和解码器的结构为:编码器的由前置卷积和3个编码单元组成,其中:前置卷积的卷积核大小为4
×
4,卷积步长为2,激活函数为ReLU函数;编码单元由3个卷积核大小为3
×
3的卷积层组成;卷积层与ReLU激活函数间加入了实例归一化;编码器的输出由3个编码单元的输出在通道维度上拼接而成;解码器由解码单元和后置卷积组成;解码单元的输出特征经2倍上采样后送入后置卷积,后置卷积的卷积核大小为3
×
3;编解码器中的3个卷积层之间加入了密集连接的跳线;待搜索模块位于每根跳线上,所有模块中卷积的卷积核大小均为3
×
3;其中:在搜索过程中,每根跳线的输出是搜索空间中四种模块输出的线性组合;在搜索时每处跳线可以表示为:其中O
i
(
·
)为搜索空间中的四种模块,α
i
为每个模块的组合系数。3.根据权利要求1所述的一种基于半监督域转换神经网络的图像去雾系统,其特征在于,所述清晰域鉴别器Dis
C
(
·
)和真实有雾域鉴别器Dis
R
(
·
)鉴别器均由5层卷积核大小为4
×
4的卷积构成,前3层卷积步长为2,后两层卷积步长为1;前四层卷积的激活函数为LeakyReLU,斜率为0.2;卷积层和激活函数之间引入批归一化;最后一层卷积的激活函数为Sigmoid函数。4.根据权利要求1所述的一种基于半监督域转换神经网络的图像去雾系统,其特征在于,所述半监督域转换框架预训练过程在每次迭代中按照去合成雾网络S2C
→
重构真实雾网络R2R
→
数据增广网络S2R
→
去真实雾网络R2C的顺序交替训练,其中:使用合成有雾数据训练去合成雾网络S2C,其损失函数采用L1范数距离:
其中:I
S
表示合成有雾图,I
C
表示与I
S
匹配的清晰图;使用真实有雾数据训练重构真实雾网络R2R,其损失函数使用L1范数距离:使用合成有雾数据和真实有雾数据训练数据增广网络S2R,由于合成有雾图和真实有雾图并不匹配,引入真实有雾域鉴别器Dis
R
(
·
)进行无监督训练,其损失函数为:)进行无监督训练,其损失函数为:其中:损失函数用来训练合成有雾域编码器E
S
(
·
)和真实有雾域解码器D
R
(
·
),损失函数用来训练真实有雾域鉴别器Dis
R
(
·
);使用...
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。