基于残差细节增强的无人机航拍图像去雾方法及装置制造方法及图纸

本发明专利技术涉及一种基于残差细节增强的无人机航拍图像去雾方法及装置，该方法包括：获取不同场景下的无人机航拍雾天图像作为待处理有雾图像；将待处理有雾图像分解为基础分量图像和细节分量图像；对待处理有雾图像的基础分量图像进行去雾处理，得到去雾后的基础分量图像，去雾处理为多尺度残差网络算法；对待处理有雾图像的细节分量图像进行细节增强处理，得到增强后的细节分量图像并作为去雾后图像的细节分量图像，细节增强处理采用非线性回归细节增强算法；将去雾后的基础分量图像和细节增强后的细节分量图像做加和处理，得到去雾后的图像。图像。图像。

【技术实现步骤摘要】
基于残差细节增强的无人机航拍图像去雾方法及装置


[0001]本专利技术涉及图像处理
，尤其涉及一种基于残差细节增强的无人机航拍图像去雾方法、装置。

技术介绍

[0002]近几年空气质量退化严重，雾霾等恶劣天气出现频繁，PM2.5值越来越引起人们的广泛关注。在有雾天气下拍摄的图像模糊不清，清晰度不够，细节不明显，色彩保真度下降，出现严重的颜色偏移和失真，达不到满意的视觉效果。由此限制和影响了室外目标识别和跟踪、智能导航、公路视觉监视、卫星遥感监测、军事航空侦查等系统效用的发挥，给生产与生活等各方面都造成了极大的影响。
[0003]秋冬季节通常是雾的高发季节。对于在空中飞行的无人机，其与地面目标之间的距离越大，受到雾的影响就越严重。由于雾的影响，会导致无人机拍摄到的视频图像出现色彩泛白、对比度下降、色彩变淡等降质现象，不仅会降低这些图像的视觉质量，而且会严重影响以这些图像数据为处理源的计算机视觉算法的效能。
[0004]故现在迫切需要一种图像去雾方法，对雾天图像进行有效的去雾处理。
[0005]从生物视觉系统的角度来看本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于残差细节增强的无人机航拍图像去雾方法，其特征在于，包括：获取不同场景下的无人机航拍雾天图像作为待处理有雾图像；将所述待处理有雾图像分解为基础分量图像和细节分量图像；对所述待处理有雾图像的基础分量图像进行去雾处理，得到去雾后的基础分量图像，所述去雾处理为多尺度残差网络算法；对所述待处理有雾图像的细节分量图像进行细节增强处理，得到增强后的细节分量图像并作为去雾后图像的细节分量图像，细节增强处理采用非线性回归细节增强算法；将去雾后的所述基础分量图像和细节增强后的所述细节分量图像做加和处理，得到去雾后的图像。2.根据权利要求1所述的基于残差细节增强的无人机航拍图像去雾方法，其特征在于，将所述待处理有雾图像分解为基础分量图像和细节分量图像，包括：将所述待处理有雾图像通过高斯核函数滤波处理分解为基础分量图像和细节分量图像。3.根据权利要求1或2所述的基于残差细节增强的无人机航拍图像去雾方法，其特征在于，还包括：获取多对同一场景下的雾天图像及其对应的清晰图像作为训练数据集；分别将所述训练数据集中雾天图像及其对应的清晰图像样本分解为基础分量图像和细节分量图像。4.根据权利要求3所述的基于残差细节增强的无人机航拍图像去雾方法，其特征在于，对待处理有雾图像的基础分量图像进行去雾处理，得到去雾后的基础分量图像，包括：构建基于ResNet的去雾网络模型；将所述雾天图像的基础分量图像及其对应的清晰图像的基础分量图像分别作为训练样本输入所述ResNet去雾网络模型进行训练，得到训练完成的ResNet去雾网络模型；将待处理有雾图像的基础分量图像输入至训练完成的ResNet去雾网络模型，得到待处理有雾图像的基础分量与其对应的去雾后图像的基础分量之间的负残差；再将所述待处理的有雾图像的基础分量与所述负残差相加，得到去雾后图像的基础分量。5.根据权利要求4所述的基于残差细节增强的无人机航拍图像去雾方法，其特征在于，所述ResNet去雾网络模型深度设置为26层，前25层由Conv、BN和Relu组成，第26层由Conv和BN组成，参数设置为16
×3×3×
3，所述第26层用于估计出基础分量的负残差映射；第1层中的参数设置为3
×3×3×
16，第2层～第25层的参数设置为16
×3×3×
16；每层滤波器的尺寸为...

【专利技术属性】
技术研发人员：王殿伟，李顺利，韩鹏飞，房杰，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：