【技术实现步骤摘要】
一种基于透射图引导的单幅图像多解码器去雾方法
[0001]本专利技术属于单幅图像去雾
,具体涉及一种基于透射图引导的单幅图像多解码器去雾方法。
技术介绍
[0002]由于空气中雾、霾等悬浮粒子的存在,光线在传播过程中将发生折射而衰减,导致采集的图像出现颜色偏差、模糊、对比度下降等质量退化现象,这不仅使图像观赏性降低,视觉效果变差,更导致物体特征难以辨认,对拍摄图像的内容理解出现偏差。图像去雾就是利用特定的方法和手段,建立有雾图像和无雾图像之间的特征关系进行去雾处理,进而降低雾霾对图像视觉效果的影响。单幅图像去雾算法是指在仅有一张有雾图像的基础上进行去雾得到清晰图像的过程。
[0003]目前单张图像去雾方法主要分为三大类:第一类是基于图像增强的方法,第二类是基于物理模型的方法,第三类是基于深度学习的方法。
[0004]基于图像增强的方法的本质是对被降质的图像进行增强,改善图像的质量。比如常见的直方均衡、对数变换、幂律变换、锐化、小波变换等。通过这些方法增强图像的对比度或突出图像的特征。与常见的对比度增强方法不同,另一种常见的图像增强的方法是基于颜色恒常性和视网膜皮层理论的Retinex方法。该方法将图像分解为本质图像与照度图像的乘积,从而消除因为受雾霾遮挡的光照因素对图像成像的影响。Retinex方法比传统的对比度提升方法相比,其得到的去雾图像具有更好的局部对比度,颜色失真较小。但由于Retinex方法本身也是一个病态问题,只能进行近似估计,因而也在一定程度上影响了图像去雾效果。
[000 ...
【技术保护点】
【技术特征摘要】
1.一种基于透射图引导的单幅图像多解码器去雾方法,其特征在于,该方法包括以下步骤:步骤一、设计基于透射图引导的去雾网络对单张的有雾图像去雾,过程如下:步骤101、利用合成雾天数据集作为图像训练样本集,并将图像训练样本集中每张有雾图像归一化到固定尺寸;步骤102、调取一张有雾图像作为输入有雾图像,将输入有雾图像视为第一尺度特征雾天图像H1,对第一尺度特征雾天图像H1进行下采样得到第二尺度特征雾天图像H2,对第二尺度特征雾天图像H2进行下采样得到第三尺度特征雾天图像H3,对第三尺度特征雾天图像H3进行下采样得到第四尺度特征雾天图像H4;步骤103、根据公式R
i
=RBs(H
i
),将每一个尺度上的特征雾天图像输入到级联的残差模块中进行特征增强,得到每一个尺度上对应的增强特征雾天图像R
i
,其中,i=1,2,3,4,RBs(
·
)为级联的残差模块;步骤104、根据公式T_64=Conv1(R4),得到第四尺度上的透射图特征T_64,其中,Conv1(
·
)为以透射图为监督信号的卷积降维模块;根据公式DI_64=Conv2(R4),得到第四尺度上的初始去雾图像特征DI_64,其中,Conv2(
·
)为以无雾图像为监督信号的卷积降维模块;根据公式得到第四尺度上的改进去雾图像特征M_64,其中,A为注意力模块,为像素级乘法器;根据公式T4=Conv
t4
(T_64),得到第四尺度上输出的透射图T4,其中,Conv
t4
(
·
)为第四尺度上输出透射图的卷积层;根据公式D4=Conv
d4
(M_64),得到第四尺度上输出的去雾图D4,其中,Conv
d4
(
·
)为第四尺度上输出去雾图的卷积层;根据公式U3=I(R3),得到第三尺度上有雾特征图像U3,其中,R3为R4上采样到R3对应尺寸的有雾图像,I(
·
)为双线性插值函数;步骤105、根据公式得到第三尺度上的融合降维图像F3,为通道融合模块,Conv(
·
)为卷积降维模块;根据公式T_128=Conv1(F3),得到第三尺度上的透射图特征T_128;根据公式DI_128=Conv2(F3),得到第三尺度上的初始去雾图像特征DI_128;根据公式得到第三尺度上的改进去雾图像特征M_128;根据公式T3=Conv
t3
(T_128),得到第三尺度上输出的透射图T3,其中,Conv
t3
(
·
)为第三尺度上输出透射图的卷积层;根据公式D3=Conv
d3
(M_128),得到第三尺度上输出的去雾图D3,其中,Conv
d3
(
·
)为第三尺度上输出去雾图的卷积层;根据公式U2=I(F3),得到第二尺度上有雾特征图像U2,其中,F3为F3上采样到R2对应尺寸的有雾图像;步骤106、根据公式得到第二尺度上的融合降维图像F2;根据公式T_256=Conv1(F2),得到...
【专利技术属性】
技术研发人员:王念,崔智高,苏延召,李爱华,兰云伟,张炜,
申请(专利权)人:中国人民解放军火箭军工程大学,
类型:发明
国别省市:
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。