基于LAB色彩空间的多尺度残差注意力图像去雾方法技术

本发明专利技术涉及一种基于LAB色彩空间的多尺度残差注意力图像去雾方法，包括：制作去雾网络训练所需图像集，从真实单幅图像去噪数据集中随机选取2000张室外图像制作训练图像集和验证图像集；搭建基于多尺度残差注意力模块的亮度分量处理卷积神经子网络；搭建基于多尺度残差注意力模块的色度分量处理卷积神经子网络；采用制作的训练图像集和验证图像集进行上述两个卷积神经子网络的训练；将待测试图像输入到训练好的卷积神经子网络中进行去雾处理。本发明专利技术在亮度分量上进行去雾处理，在色度分量上进行颜色增强处理，这样能有效去除含雾图像中的雾并能减少去雾后图像的色彩失真；能够更好地保留图像中不同的细节部分，提升图像的显示效果。效果。效果。

【技术实现步骤摘要】
基于LAB色彩空间的多尺度残差注意力图像去雾方法


[0001]本专利技术涉及图像处理
，尤其是一种基于LAB色彩空间的多尺度残差注意力图像去雾方法。

技术介绍

[0002]户外摄像头近年来得到了快速的发展，在交通监控、安防和自动驾驶得到大量的应用。户外摄像头可以为用户提供许多有用的场景画面，但是由于户外天气多变，当天气比较恶劣时，例如雾、雨和霾，户外摄像头的性能会受到影响。
[0003]目前的图像去雾算法主要是基于RGB色彩空间，RGB色彩空间是一个加性的色彩空间，颜色主要由R、G、B三个通道混合展现。图像去雾后，其R、G、B三个颜色通道的关系会受到影响，从而导致去雾后的图像中出现比较明显的颜色失真。

技术实现思路

[0004]本专利技术的目的在于提供一种能够有效去除含雾图像中的雾并能减少去雾后图像的色彩失真，更好地保留图像中不同的细节部分，提升图像的显示效果的基于LAB色彩空间的多尺度残差注意力图像去雾方法。
[0005]为实现上述目的，本专利技术采用了以下技术方案：一种基于LAB色彩空间的多尺度残差注意本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LAB色彩空间的多尺度残差注意力图像去雾方法，其特征在于：该方法包括下列顺序的步骤：(1)制作去雾网络训练所需图像集，从RESIDE真实单幅图像去噪数据集中随机选取2000张室外图像制作训练图像集和验证图像集；(2)搭建基于多尺度残差注意力模块的亮度分量处理卷积神经子网络；(3)搭建基于多尺度残差注意力模块的色度分量处理卷积神经子网络；(4)采用制作的训练图像集和验证图像集进行上述两个卷积神经子网络的训练；(5)将待测试图像输入到训练好的卷积神经子网络中进行去雾处理。2.根据权利要求1所述的基于LAB色彩空间的多尺度残差注意力图像去雾方法，其特征在于：所述步骤(1)具体是指：从RESIDE真实单幅图像去噪数据集中随机选取2000张干净图像，采用公式(1)所示的合成雾图像模型来制作训练图像集和验证图像集：I(x)＝J(x)t(x)+A(1
‑
t(x))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ⑴
式中，J(x)为干净图像，t(x)为大气光传输函数，A为大气光，I(x)为合成的含雾图像；其中大气光传输函数t(x)由公式(2)得到：t(x)＝e
‑
βd(x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ⑵
其中，d(x)为干净图像的深度图，β为大气衰减系数；随机选择2种不同的A值和6种β来合成含雾图像；每张图像生成12张含有不同程度雾的图像，2000张干净图像总共合成24000张含雾图像；将每张含雾图像与其对应的干净图像组合成图像对；将所有图像对的尺寸大小都裁剪为256
×
256，并转换到LAB亮度色度色彩空间，其中21600个图像对用作训练图像集，2400个图像对用作验证图像集。3.根据权利要求1所述的基于LAB色彩空间的多尺度残差注意力图像去雾方法，其特征在于：在步骤(2)中，所述多尺度残差注意力模块由4个并行的子层、1个联结层、1个通道注意力模块和1个残差模块组成，每个子层由1个1
×
1的卷积和1个3
×
3的膨胀卷积构成；4个子层的膨胀卷积的膨胀系数分别为1、2、5和7；1个联结层将4个并行子层的输出联结在一起；1个通道注意力模块为所有通道的特征赋...

【专利技术属性】
技术研发人员：吕国强，盛杰超，杜刚，诸黎明，冯奇斌，王梓，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：