【技术实现步骤摘要】
基于多尺度密集特征融合卷积网络的管道视频去雾方法
[0001]本专利技术涉及深度学习、图像处理
,尤其涉及一种基于多尺度密集特征融合卷积网络的管道视频去雾方法。
技术介绍
[0002]在城市管道环境中,管道病害检测机器人获取的管道内部图像对于管道病害的识别起到重要的作用,但是由于管道环境复杂,内部环境存在阴暗、反光、水雾等各种不良条件,导致采集到的管道图像出现对比度小,细节模糊等退化现象,影响到管道检测机器人视觉系统的正常工作。因此,对采集的图像进行去雾复原工作对于管道安全有着极其重要的意义。
[0003]将一个带雾图像恢复为无雾图像,数据驱动的深度学习方法已经被证明是有效的。目前的去雾方法大多数是针对室外场景有雾图像,针对管道环境有雾图像的算法很少。早期的方法首先使用深度卷积神经网络(CNNs)来估计透射图,然后应用传统方法来估计大气光。但是,由于大气反射系数的不确定和获得真实透射图数据的困难,使得从带雾输入中估计透射图或大气光不是一项简单的任务。此外,对透射图或大气光的不准确估计会严重干扰清晰图像的恢复,因为对透射图和大气光的某些估计偏差会导致恢复图像和清晰图像之间较大的重建误差。为了解决这个问题,一些直接端到端去雾算法直接或迭代深层CNNs估计无雾图像,不需要再估计透射图和大气光。然而,城市地下管道为无光或弱光环境,且阴暗潮湿,水雾严重,使得采集的视频图像细节模糊,这些方法主要采用通用网络体系结构(例如,DenseNet、Dilated Network、GAN),并没有针对管道视频去雾后细节信息缺 ...
【技术保护点】
【技术特征摘要】
1.一种基于多尺度密集特征融合卷积网络的管道视频去雾方法,其特征在于,包括以下步骤:步骤(1)、在实验管道模型里用双目相机采集管道清晰图像和深度图像,利用大气散射模型生成管道带雾图像。大气散射模型是带雾图像生成的经典描述,它认为带雾图像是由被雾削弱的物体反射的光线和被雾反射的大气光进入摄像机共同组成的,其表达式为:H(x)=C(x)t(x)+A(1
‑
t(x))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)公式(1)中,参数x表示图像中像素点的位置,H(x)表示利用管道清晰图像和深度图生成的管道带雾图像,C(x)表示管道清晰图像,A表示全局大气光,通常情况下假设为全局常量,t(x)表示透射率,描述物体反射光线经过衰减能够到达观测点的比例,在公式(1)中,t(x)公式如下:t(x)=e
‑
βd(x)
ꢀꢀꢀꢀ
(2)公式(2)中,β表示散射系数,d(x)表示物体和相机之间的距离。深度图像是指将图像采集器到场景中各点的距离作为像素值的图像,因此,通过公式(1)和公式(2),可以由管道清晰图像和深度图生成管道带雾图像,从而构建管道带雾/清晰图像对作为管道数据集,并把管道数据集划分为训练集和测试集;步骤(2)、基于U
‑
net架构,引入SOS图像细节增强策略和密集特征融合模块,构建基于多尺度密集特征融合卷积网络的去雾方法;基于多尺度密集特征融合的去雾网络包含三个组件,一个编码器模块,一个特征恢复模块,一个增强的解码器模块。整体网络结构基于U
‑
net架构,在解码器中结合了SOS增强策略,在编码器和解码器中各引入了一个密集特征融合模块,一个在编码器的残差组之前,另一个在解码器的SOS增强模块之后;解码器第n层级的DFF模块由公式(3)定义:公式(3)中,j
n
表示解码器第n层级的增强特征(即SOS增强模块的输出),表示通过特征融合的融合特征(即第n层级DFF模块的输出),L表示网络层级数,而表示解码器中前面所有(L
‑
n)层级DFF模块输出的融合特征。关于每次用一个融合特征增强j
n
特征的更新过程如下所示:计算在第t次迭代,和的差异如公式(4)所示:公式(4)中,表示投影算子,该算子将增强特征下采样到和相同的维度;再用反投影差异更新如公式(5)所示:公式(5)中,表示反投影算子,该算子将第t次迭代的差异上采样到和相同维度;迭代完前面的所有融合特征得到现在最终的融合特征该过程中的和采用卷积/反卷积层学习相应的下采样/上采样操作。为了避免引入太多参数,我们堆叠(L
‑
n
‑
t)个步长为2的卷积/反卷积层去实现的下采样/上采样操作。相应的,编码器第n层级的DFF模块可由公式(6)定义:
公式(6)中,i
n
是编码器第n层级的潜在特征,表示编码器中前面所有(n
‑
1)层级DFF模块输出的融合特征,与解码器第(L
‑
n)层级的具有相同的体系结构,只是需要互换其中下采样操作和上采样操作的位置。在去雾的U
‑
Net网络中,将解码器解释为无雾图像恢复模块,为了逐步完善特征恢复模块中的特征j5,在网络的解码器中加入了SOS增强策略。在第n层级的SOS增强模块中,首先对上一层级得到的特征图i
n+1
进行上采样,用同一层级对应的编码器得到的特征图i
n
进行相加来增强...
【专利技术属性】
技术研发人员:李策,乔静怡,姜中博,唐峥岩,黄瑛洁,
申请(专利权)人:中国矿业大学北京,
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。