一种基于偏振图像数据的去雾融合处理方法技术

本发明专利技术公开了一种基于偏振图像数据的去雾融合处理方法，其方法如下：A、利用偏振相机采集相同区域的四张雾霾偏振图像并打包成偏振图像包，B、构建包含J

【技术实现步骤摘要】
一种基于偏振图像数据的去雾融合处理方法


[0001]本专利技术涉及偏振光学与雾霾图像处理领域，尤其涉及一种基于偏振图像数据的去雾融合处理方法。

技术介绍

[0002]图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要方式。然而，雾霾粒子对光具有强散射和强吸收作用，会导致采集的图像颜色存在色差、图像退化、能见度降低等问题，给人们的日常生活和健康造成了极大困扰。雾霾图像恢复是图像视觉分析的基础，对获取图像信息至关重要。传统的方法主要是基于光强图像，传统方法缺乏足够的大气粒子散射信息，经过雾霾粒子散射后的低对比度成像环境，亟需引入强度和光谱以外的信息来恢复清晰图像。同时针对雾霾环境差别较大的情况，基于大气物理散射模型的方法，其大气传输具体过程和模型参数不一致，鲁棒性不强，因此亟需一种有效、稳定的去雾霾方法恢复清晰图像。

技术实现思路

[0003]针对现有技术存在的不足之处，本专利技术的目的在于提供一种基于偏振图像数据的去雾融合处理方法，采用偏振相机采集相同区域的四张雾霾偏振图像组成偏振图像包，构建去雾网络模型并进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于偏振图像数据的去雾融合处理方法，其方法如下：A、偏振雾霾图像采集：利用偏振相机采集相同区域的四张雾霾偏振图像，雾霾偏振图像为RGB彩色图像，四张雾霾偏振图像的偏振角度依次为0
°
、45
°
、90
°
、135
°
且依次表示为I0、I45、I90、I145，将四张雾霾偏振图像打包成一组偏振图像包，根据斯托克斯参数按照如下公式得到偏振图像包的光强图像：S0＝(I0+I45+I90+I145)/2；B、搭建去雾网络模型，去雾网络模型包括J
‑
Net子网络、T
‑
Net子网络和A
‑
Net子网络，将偏振图像包输入到去雾网络模型；B1、J
‑
Net子网络由五个卷积层组成，J
‑
Net子网络的前四个卷积层均包括5*5的卷积层、BatchNorm层和LeakyReLU激活层，J
‑
Net子网络的第五个卷积层包括5*5的卷积层和sigmoid激活层；J
‑
Net子网络对偏振图像包进行处理并输出目标图像J(x)，J
‑
Net子网络的输出通道为3；B2、T
‑
Net子网络与J
‑
Net子网络结构相同，T
‑
Net子网络对偏振图像包进行处理并输出透射图t(x)，T
‑
Net子网络的输出通道为1；B3、A
‑
Net子网络对偏振图像包进行处理并输出大气光A；C、去雾网络模型中具有大气散射物理模型，去雾网络模型按照如下公式输出去雾后的图像L(x)：其中，S0表示偏振图像包的光强图像，A为A
‑
Net子网络输出的大气光，t(x)为T
‑
Net子网络输出的透射图。2.按照权利要求1所述的一种基于偏振图像数据的去雾融合处理方法，其特征在于：在步骤B、步骤C中，去雾网络模型包括迭代训练，去雾网络模型的迭代训练包括如下方法：去雾网络模型采用如下重建公式重建输出图像O(x)：O(x)＝J(x)*t(x)+A*(1
‑
t(x))，其中，J(x)表示J
‑
Net子网络输出的目标图像，A为A
‑
Net子网络输出的大气光，t(x)为T
‑
Net子网络输出的透射图；去雾网络模型采用损失函数L
tot
进行整个网络的损失约束，损失函数L
tot
公式如下：L
tot
＝||O1(x)
‑
I1(x)||
F
，其中，I1(x)表示去雾网络模型输入图像的像素值，O1(x)表示输出图像O(x)的像素值，|| ||
F
表示F
‑
范数。3.按照权利要求1或2所述的一种基于偏振图像数据的去雾融合处理方法，其特征在于：在步骤B、步骤C中，去雾网络模型中A
‑
Net子网络模型训练的损失函数由L
A
和L
...

【专利技术属性】
技术研发人员：陈伟，毕朋帅，杨澜，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：