基于3DLut的图像去雾处理方法、系统及可存储介质技术方案

本发明专利技术公开了一种基于3DLut的图像去雾处理方法、系统及可存储介质，涉及图像处理技术领域，包括：准备若干张原始图片，利用大气散射模型对原始图片进行生成雾处理，得到加雾图像；构建去雾模型，将加雾图像输入去雾模型中进行模型训练，得到训练好的去雾模型；通过训练好的去雾模型对待去雾图像进行去雾处理，将待去雾图像进行分块切割后，作为训练好的去雾模型的输入，并将训练好的去雾模型的所有输出结果进行融合，获得去雾后的图像。本发明专利技术将LUT用于图像去雾任务得到高效算法，节省计算时间，通过全图训练分块推断的方式达到更好的去雾效果。雾效果。雾效果。

【技术实现步骤摘要】
基于3DLut的图像去雾处理方法、系统及可存储介质


[0001]本专利技术涉及图像处理
，更具体的说是涉及一种基于3DLut的图像去雾处理方法、系统及可存储介质。

技术介绍

[0002]在雾天环境下，摄像机拍摄的图像对比度和分辨率明显下降，对图像进行去雾处理可以改善雾后图像部分失真严重的问题，得到对比度良好的还原图像。目前，传统的图像去雾方法主要有两类：一种是基于大气光照模型，采用暗通道增强的方法估计雾强度来提升对比度，但是这种方法对于天空等场景往往表现不佳且有明显的不自然边界；另一种是使用卷积神经网络模型达到图像增强和去雾的效果，这种方法往往对算力要求比较高，计算速度也不够快。
[0003]LUT（lookup table，查找表），原理是对图像的每个像素的色彩信息经过LUT的重新定位之后，就能得到一个新的色彩值，常用于图像的色彩增强和调整图像的颜色风格等。因此，如何将查找表应用于图像去雾任务，克服传统图像去雾方法存在的不足，取得更明显的去雾效果是本领域技术人员亟需解决的技术问题。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种基于3DLut的图像去雾处理方法、系统及可存储介质，将LUT用于图像去雾任务得到高效算法，节省计算时间，且具有明显的去雾效果。
[0005]为了实现上述目的，本专利技术提供如下技术方案：一种基于3DLut的图像去雾处理方法，包括以下步骤：准备若干张原始图片，利用大气散射模型对原始图片进行生成雾处理，得到加雾图像（采用固定深度的方法进行均匀加雾）；构建去雾模型，将加雾图像输入去雾模型中进行模型训练，得到训练好的去雾模型；通过训练好的去雾模型对待去雾图像进行去雾处理，将待去雾图像进行分块切割后，作为训练好的去雾模型的输入，并将训练好的去雾模型的所有输出结果进行融合，获得去雾后的图像。
[0006]可选的，得到加雾图像，具体包括以下步骤：在大气中的雾均匀分布且场景深度已知时，透射率为：；式中：为图像深度，为大气的媒介衰减系数，x为输入图像的RGB像素值；根据大气散射模型得到加雾图像，具体表示为：；
式中：表示实际观测到的图像，即加雾图像；表示去雾后的图像，即待恢复的无雾图像；A表示场景的大气光。
[0007]可选的，去雾模型包括生成权重模型和生成查找表模型；生成权重模型为以三通道图为输入、以一组权重值为输出的卷积神经网络；生成查找表模型将一组初始化的查找表作为基础查找表，并根据生成权重模型的输出进行加权相加，得到加权查找表。
[0008]可选的，生成权重模型包括下采样结构、卷积层、随机失活层和全连接层，且各结构依次相连；下采样结构包括两层采样尺度为2的下采样层，卷积层包括5个卷积层模块；全连接层的输出为最后的预测值，即查找表的混合权重。
[0009]可选的，将加雾图像输入去雾模型中进行模型训练，具体包括以下步骤：将加雾图像分别输入生成权重模型及生成查找表模型中，对于每一张加雾图像来说，生成权重模型输出n个权重，则生成查找表模型相应地初始化n个33
×
33
×
33的查找表：，n取决于内存大小；将所有点值设为可训练参数，最终的加权表示为：；则，整个去雾模型的输出为加雾图像经过进行查找表映射的输出，通过端对端的模型训练最终得到生成权重模型和n个固定的33
×
33
×
33的3D
‑
LUT。
[0010]可选的，还包括对于训练好的去雾模型的查表方法，将加雾图像的值归一化到（0, 1），其中，查找表的维度和加雾图像的通道一一对应，查找表在每一维上的元素数为查找表的精度，具体为：对于RGB图的M维查找表，其包含个元素：，每个元素代表一个输入RGB值和其对应的输出；输入值的值域被M等分，等分间隔记为s，则输入在查找表中的位置为：；在查找表中取的最近邻8个在查找表中包含的点并用三次插值得到该点的输出值为：；
式中：表示的向下取整的值；，，；表示LUT中的第个元素，表示查找表中的第个元素，表示查找表中的第个元素，表示查找表中的第个元素，表示查找表中的第个元素，表示查找表中的第个元素，表示查找表中的第个元素，表示查找表中的第个元素；表示输入对应的输出，M为查找表的维度。
[0011]可选的，通过训练好的去雾模型对待去雾图像进行去雾处理，具体包括以下步骤：将待去雾图像均匀分为m
×
m的块后输入生成权重模型中，得到m
×
m组权重，记：；获得n个m
×
m像素的权重图，m为图像长或高的像素值，将权重图进行高斯模糊，再采用二次插值的方法改变到与输入图同样的大小，得到n个权重图；在生成查找表模型中，分别用n组训练好的基础查找表对输入图进行颜色映射，得到n个输出，最后得到的加权输出为：。
[0012]本专利技术还公开了一种基于3DLut的图像去雾处理系统，包括：准备模块、加雾模块、构建模块、训练模块、分块推断模块；准备模块，用于准备若干张原始图片；加雾模块，通过大气散射模型对原始图片进行生成雾处理，得到加雾图像；构建模块，用于构建去雾模型；训练模块，用于将加雾图像输入去雾模型中进行模型训练，得到训练好的去雾模型；分块推断模块，通过训练好的去雾模型对待去雾图像进行去雾处理，将待去雾图像进行分块切割后，作为训练好的去雾模型的输入，并将训练好的去雾模型的所有输出结果进行融合，获得去雾后的图像。
[0013]可选的，去雾模型包括生成权重模型和生成查找表模型；生成权重模型为以三通道图为输入、以一组权重值为输出的卷积神经网络；生成权重模型包括下采样结构、卷积层、随机失活层和全连接层，且各结构依次相连；下采样结构包括两层采样尺度为2的下采样层，卷积层包括5个卷积层模块；全连接层的输出为查找表的混合权重；生成查找表模型将一组初始化的查找表作为基础查找表，并根据生成权重模型的输出进行加权相加，得到加权查找表。
[0014]本专利技术还公开了一种计算机可存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以上所述基于3DLut的图像去雾处理方法的步骤。
[0015]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于3DLut的图像去雾处理方法、系统及可存储介质，将LUT方法用于图像去雾任务得到高效算法，节省计算时间；通过全图训练、分块推断的方式达到更好的去雾效果；去雾模型的大小仅为2.4M，处理1080p图片的时间仅为6ms，在保持亮度的情况下有明显的去雾效果。
附图说明
[0016]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0017]图1为基于3DLut的图像去雾处理方法的过程示意图；图2为生成权重模型的结构示意图；图3为分块推断的示意图；图4为基于3DLu本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于3DLut的图像去雾处理方法，其特征在于，包括以下步骤：准备若干张原始图片，利用大气散射模型对原始图片进行生成雾处理，得到加雾图像；构建去雾模型，将加雾图像输入去雾模型中进行模型训练，得到训练好的去雾模型；通过训练好的去雾模型对待去雾图像进行去雾处理，将待去雾图像进行分块切割后，作为训练好的去雾模型的输入，并将训练好的去雾模型的所有输出结果进行融合，获得去雾后的图像。2.根据权利要求1所述的一种基于3DLut的图像去雾处理方法，其特征在于，得到加雾图像，具体包括以下步骤：在大气中的雾均匀分布且场景深度已知时，透射率为：；式中：为图像深度，为大气的媒介衰减系数，x为输入图像的RGB像素值；根据大气散射模型得到加雾图像，具体表示为：；式中：表示实际观测到的图像，即加雾图像；表示去雾后的图像，即待恢复的无雾图像；A表示场景的大气光。3.根据权利要求1所述的一种基于3DLut的图像去雾处理方法，其特征在于，去雾模型包括生成权重模型和生成查找表模型；生成权重模型为以三通道图为输入、以一组权重值为输出的卷积神经网络；生成查找表模型将一组初始化的查找表作为基础查找表，并根据生成权重模型的输出进行加权相加，得到加权查找表。4.根据权利要求3所述的一种基于3DLut的图像去雾处理方法，其特征在于，生成权重模型包括下采样结构、卷积层、随机失活层和全连接层，且各结构依次相连；下采样结构包括两层采样尺度为2的下采样层，卷积层包括5个卷积层模块；全连接层的输出为查找表的混合权重。5.根据权利要求3所述的一种基于3DLut的图像去雾处理方法，其特征在于，将加雾图像输入去雾模型中进行模型训练，具体包括以下步骤：将加雾图像分别输入生成权重模型及生成查找表模型中，对于每一张加雾图像来说，生成权重模型输出n个权重，则生成查找表模型相应地初始化n个33
×
33
×
33的查找表：，n取决于内存大小；将所有点值设为可训练参数，最终的加权表示为：；则，整个去雾模型的输出为加雾图像经过进行查找表映射的输出，通过端对端的模型训练最终得到生成权重模型和n个固定的33
×
33
×
33的3D
‑
LUT。6.根据权利要求5所述的一种基于3DLut的图像去雾处理方法，其特征在于，还包括对于训练好的去雾模型的查表方法，将加雾图像的值归一化到（0, 1），其中，查找表的维度和加雾图像的通道一一对应，查找表在每一维上的元素数为查找表的精度，具体为：
对于RGB图的M...

【专利技术属性】
技术研发人员：林景洲，张齐宁，郭奇锋，
申请(专利权)人：深圳深知未来智能有限公司，
类型：发明
国别省市：