一种基于生成对抗网络的图像去雾模型的构建方法和系统技术方案

本发明专利技术涉及一种基于生成对抗网络的图像去雾模型的构建系统及方法，所述系统至少包括第二去雾模块和生成对抗网络训练模块，第二去雾模块被配置为：将有雾图像进行先验去雾以获取验证去雾图像并发送至所述生成对抗网络训练模块；所述生成对抗网络训练模块被配置为：基于生成对抗映射网络以先验去雾图像的RGB直方图学习无雾图像的RGB直方图的方式获取所述先验去雾图像和所述无雾图像的特征值的相关性分布规律，从而将所述分布规律转化为先行验证的去雾模型。相对于现有技术中呈现颜色偏移的现象，本发明专利技术利用DCP去雾后的RGB信息数据，与无雾图像RGB信息数据做对抗训练，有效地解决了DCP无法回避的明亮部分去雾失真问题。决了DCP无法回避的明亮部分去雾失真问题。决了DCP无法回避的明亮部分去雾失真问题。

【技术实现步骤摘要】
一种基于生成对抗网络的图像去雾模型的构建方法和系统
[0001]本申请是申请号为201911422944.7，申请日为2019年12月31日，申请名称为一种基于生成对抗网络的单幅图像去雾增强方法和系统，申请类型为专利技术的专利的分案申请。


[0002]本专利技术涉及图像处理
，尤其涉及一种基于生成对抗网络的图像去雾模型的构建方法和系统。

技术介绍

[0003]雾是一种自然现象，它会模糊场景、降低可见度和改变颜色。由于现实生活中存在各种导致视觉系统成像质量的因素，使得成像设备获取的图像产生一定程度的退化。值得关注的是近年来频繁发生在全国各地的雾霾天气，已经严重地影响到了社会活动、工业生产的正常运营，致使分布广泛的监控录像锁定和追踪罪犯、计算机视觉的户外监测、遥感系统、飞行导航等系统的安全问题形成巨大挑战，特别是自动驾驶技术，雾霾气候将对其应用产生重大安全隐患。图像模糊导致景物特征不同程度衰减，相关电子设备系统在此环境下工作的鲁棒性(Robust)和可靠性大幅降低。因此，雾天降质图像优质去雾算法的研究与科学评价系统的提升，依然是近期图像处理与计算机视觉识别研究的重点内容和研究热点。图像去雾(Dehaze)技术主要是指通过一定的手段，去除图像中的雾霾信息干扰，恢复图像颜色、对比度、景物细节信息，从而得到高质量的图像，以便得到满意的视觉效果，同时获得更多的有效图像信息，并给予理论上的科学评价。对于减少交通运输、视频监控、导航系统等户外成像设备受恶劣天气条件制约，提高相关系统工作的可靠性和稳定性，具有重大的工程应用价值。
[0004]传统的去雾算法主要分为两类，基于大气光散射模型图像复原的去雾算法与基于图像增强理论的去雾算法。目前主流的去雾算法是基于大气光散射模型建立的，其中最为广泛的图像去雾算法是暗通道先验去雾算法。这种暗通道先验去雾算法在诸多领域已经满足需求，但是由于缺乏有雾图像中有效的先验知识，所以无法得到最优的透视率，在图像复原过程中呈现颜色偏移的现象。为了满足在监控录像锁定和追踪罪犯、计算机视觉的户外监测、遥感系统、飞行导航、自动驾驶技术等对图像要求质量高的领域，如何进一步地提升去雾图像的质量是本领域需要解决的技术问题。
[0005]公开号为CN106127702B的中国专利公开的一种基于深度学习的图像去雾方法，用于去除有雾图像中的雾气干扰，降低雾气对图像质量的影响。其包括：获取样本集与测试样本集；对样本集中有雾图像进行HSL空间变化，提取有雾图像局部低亮特征，并对所有特征分量进行尺度缩放与归一化处理；找出判别透视率，使深度判别神经网络实现对抗式训练；利用深度生成对抗神经网络对上述特征分量进行训练，学习建立有雾图像与透视率间的映射网络；运用深度生成神经网络对测试样本集进行去雾测试。该方式用于对以往去雾算法先验信息不足的技术问题。
[0006]但是，该专利无法感知去雾图像中被雾削弱的特征，因而会导致图像中某些细节
和色彩偏移的丢失，使雾图像具有弱化场景信息的特点以难以提取原始场景信息。
[0007]此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于专利技术人做出本专利技术时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本专利技术不具备这些现有技术的特征，相反本专利技术已经具备现有技术的所有特征，而且申请人保留在
技术介绍
中增加相关现有技术之权利。

技术实现思路

[0008]针对现有技术之不足，本专利技术提供了一种基于生成对抗网络的单幅图像去雾增强系统，包括样本数据获取模块、生成对抗网络训练模块和第一去雾模块，其中：所述样本数据获取模块，通过公开的图像库和/或通过网络爬虫技术获取适用于生成对抗网络训练模块构建去雾模型的若干图像作为样本数据；所述生成对抗网络训练模块，提取所述若干图像的特征值并通过生成对抗映射网络将所述特征值学习转化为能够用于第一去雾模块将待去雾图像恢复为有效去雾图像的去雾模型；所述样本数据获取模块至少获取若干有雾图像的经由第二去雾模块先行验证后的验证去雾图像和若干无雾图像，从而所述生成对抗网络训练模块能够基于所述生成对抗映射网络以所述先验去雾图像的特征值的直方图学习所述无雾图像的特征值的直方图的方式获取所述先验去雾图像和所述无雾图像的特征值的相关性分布规律，从而将所述分布规律转化为先行验证的去雾模型，以使得所述第一去雾模块将所述经过先行验证的去雾模型嵌入至所述待去雾图像恢复为有效去雾图像。例如，其特征值可以是RGB。
[0009]根据一种优选的实施方式，所述第二去雾模块配置为按照如下方式将所述有雾图像进行先验去雾获取所述验证去雾图像：在计算机视觉和计算机图形学中，配置能够用于将所述有雾图像先验转化为所述验证去雾图像的映射模型，所述映射模型至少包括用以描述所述有雾图像和所述验证去雾图像的映射关系的透射率值与大气光值，求取大气光值：在所述有雾图像的RGB三通道中选取能够用于获取暗通道图的最小值通道图，并基于所述暗通道图获取所述大气光值；求取透射率值：基于暗通道先验理论获取所述透视率值；基于所述映射模型、所述大气光值和所述透视率值将所述有雾图像进行先验去雾得到所述验证去雾图像。
[0010]根据一种优选的实施方式，所述生成对抗网络训练模块对比所述待去雾图像对应的经由所述第一去雾模块中的先行验证的去雾模型恢复的有效去雾图像和经由所述第二去雾模块先行验证的验证去雾图像，用于获取所述有效去雾图像和所述验证去雾图像的特征值200的相关性分布规律，以使得所述生成对抗网络训练模块能够自适应地基于先行验证的有效去雾图像和先行验证的验证去雾图像修正所述去雾模型。
[0011]根据一种优选的实施方式，所述生成对抗网络训练模块包括生成器和判别器，所述生成器构建生成网络，所述生成网络用于所述先验去雾图像模仿所述无雾图像以生成中间去雾图像；所述判别器构建判别网络，所述判别网络基于所述中间去雾图像计算代价函数；如果代价函数计算结果小于预先设置的去雾阈值，则将所述生成网络作为去雾模型；否则，将所述中间去雾图像作为所述生成器的输入图像继续进行学习，直至所述代价函数计算结果小于预先设置的去雾阈值，以更新所述生成网络。
[0012]根据一种优选的实施方式，所述生成对抗网络训练模块包括生成器和判别器，所
述生成器构建生成网络，所述生成网络用于所述先验去雾图像模仿所述无雾图像以生成中间去雾图像；所述判别器构建判别网络，所述判别网络基于所述中间去雾图像计算代价函数；如果代价函数计算结果小于预先设置的去雾阈值，则将所述生成网络作为去雾模型；否则，将所述中间去雾图像作为所述生成器的输入图像继续进行学习，直至所述代价函数计算结果小于预先设置的去雾阈值，以更新所述生成网络。
[0013]根据一种优选的实施方式，所述第一去雾模块将所述待去雾图像分割成若干个小块图像，并统计每一小块图像的像素值分布以获取每一小块图像的直方图统计结果，将该直方图统计结果输入所述生成网络中以输出每一小块图像的去雾结果对应的直方图，并将每一小块图像对应的直方图累加拼接成大块图像，利用导向滤波器以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络的图像去雾模型的构建系统，其特征在于，所述系统至少包括第二去雾模块和生成对抗网络训练模块，第二去雾模块被配置为：将有雾图像进行先验去雾以获取验证去雾图像并发送至所述生成对抗网络训练模块；所述生成对抗网络训练模块被配置为：基于生成对抗映射网络以先验去雾图像的RGB直方图学习无雾图像的RGB直方图的方式获取所述先验去雾图像和所述无雾图像的特征值的相关性分布规律，从而将所述分布规律转化为先行验证的去雾模型。2.根据权利要求1所述的基于生成对抗网络的图像去雾模型的构建系统，其特征在于，所述生成对抗网络训练模块包括生成器和判别器，所述生成器用于构建生成网络，所述生成网络用于所述先验去雾图像模仿所述无雾图像以生成中间去雾图像；所述判别器用于构建判别网络，所述判别网络基于所述中间去雾图像计算代价函数；如果代价函数计算结果小于预先设置的去雾阈值，则将所述生成网络作为去雾模型；否则，将所述中间去雾图像作为所述生成器的输入图像继续进行学习，直至所述代价函数计算结果小于预先设置的去雾阈值，以更新所述生成网络。3.根据权利要求2所述的基于生成对抗网络的图像去雾模型的构建系统，其特征在于，还包括第一去雾模块，所述第一去雾模块嵌入所述去雾模型从而使得待去雾图像恢复为有效去雾图像；其中，所述第一去雾模块将该直方图统计结果输入所述生成网络中以输出每一小块图像的去雾结果对应的直方图，并将每一小块图像对应的直方图累加拼接成大块图像，利用导向滤波器以去除边角不自然过渡的方式对所述大块图像进行滤波以获取所述有效去雾图像。4.根据权利要求3所述的基于生成对抗网络的图像去雾模型的构建系统，其特征在于，所述生成对抗网络训练模块还被配置为：对比先行验证的有效去雾图像和先行验证的验证去雾图像，获取所述有效去雾图像和所述验证去雾图像的特征值的相关性分布规律，自适应地基于先行验证的有效去雾图像和先行验证的验证去雾图像修正所述去雾模型。5.根据权利要求1～4任一项所述的基于生成对抗网络的图像去雾模型的构建系统，其特征在于，所述第二去雾模块被配置为按照如下方式将有雾图像进行先验去雾获取所述验证去雾图像：在计算机视觉和计算机图形学中，配置能够用于将有雾图像先验转化为验证去雾图像的映射模型，映射模型至少包括用以描述有雾图像和验证去雾图像的映射关系的透射率值与大气光值，求取大气光值：在有雾图像的RGB三通道中选取能够用于获取暗通道图的最小值通道图，并基于暗通道图获取大气光值；求取透射率值：基于暗通道先验理论确定透视率值；基于映射模型、大气光值和透视率值...

【专利技术属性】
技术研发人员：马瑞强，邢红梅，关玉欣，王拴乐，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：