【技术实现步骤摘要】
一种图像处理方法及装置
[0001]本申请涉及计算机领域，特别涉及一种图像处理方法及装置。
技术介绍
[0002]环境感知在自动驾驶车辆的可靠决策中起着重要作用，在过去的十年里，感知领域取得了巨大的进步。然而，目前的感知方向主要集中在目标检测，尤其是良好天气条件下的目标检测，对于恶劣天气(例如雨雪雾等天气)的车辆环境感知研究还不够完善，使恶劣天气条件下的感知仍然是一个难题。实际上，在恶劣天气下，车辆更需要准确、实时和高效的环境感知，恶劣天气例如降雨天气在日常生活中经常出现，雨滴和雨雾的产生作为一个复杂的大气过程会导致不同类型的能见度下降，从而对环境感知任务，例如图像分割，目标检测，模式识别等的鲁棒性(即抗干扰性)造成不利影响。
[0003]在利用传统的计算机视觉方法进行图像去雨时，常用的方法是模型驱动方法，利用雨水的物理特性和背景场景的先验知识来进行去雨优化。典型技术有如形态成分分析、非局部均值滤波、稀疏编码(Coding，COD)去雨和高斯混合模型(Gaussian mixture model，GMM)等。此类去雨...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：利用去雨神经网络，对待处理图像进行去雨处理，得到去雨图像；所述去雨神经网络包括依次连接的第一卷积层、第一残差层和第二卷积层，所述第一卷积层用于模糊化所述待处理图像，所述第一残差层用于从所述待处理图像中提取降雨特征图像，所述第二卷积层用于模糊化所述降雨特征图像；所述去雨图像通过所述待处理图像和所述降雨特征图像的相减操作得到；利用降噪神经网络，对所述去雨图像进行降噪处理，得到降噪图像；所述降噪神经网络包括依次连接的第三卷积层、第二残差层和第四卷积层；所述第三卷积层用于模糊化所述去雨图像，所述第二残差层用于从所述去雨图像中提取出噪声特征图像，所述第四卷积层用于模糊化所述噪声特征图像；所述降噪图像通过所述去雨图像和所述噪声特征图像的相减操作得到；其中，所述去雨神经网络和所述降噪神经网络通过训练图像同时训练得到，所述训练图像包括成对的具有降雨特征的图像和不具有降雨特征的图像。2.根据权利要求1所述的方法，其特征在于，所述去雨神经网络还包括与所述第一卷积层连接的第一像素重组层，以及与所述第二卷积层连接的第二像素重组层，所述第一像素重组层用于在对所述待处理图像进行模糊化之前，降低所述待处理图像的分辨率，所述第二像素重组层用于在对所述降雨特征图像进行模糊化之后，提高所述降雨特征图像的分辨率；所述降噪神经网络还包括与所述第三卷积层连接的第三像素重组层，以及与所述第四卷积层连接的第四像素重组层，所述第三像素重组层用于在对所述去雨图像进行模糊化之前，降低所述去雨图像的分辨率，所述第四像素重组层用于在对所述噪声特征图像进行模糊化之后，提高所述噪声特征图像的分辨率。3.根据权利要求1所述的方法，其特征在于，所述第一卷积层包括两层第一子卷积层和两个第一子卷积层之间的第一非线性操作层；所述第一残差层包括多层第二子卷积层；所述第二卷积层包括三层第三子卷积层，以及分别位于相邻的第三子卷积层之间的两层第二非线性操作层；所述第三卷积层包括两层第四子卷积层和两个第四子卷积层之间的第三非线性操作层；所述第二残差层包括多层第五子卷积层；所述第四卷积层包括三层第六子卷积层，以及分别位于相邻第六子卷积层之间的两层第四非线性操作层。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述方法还包括：对所述降噪图像进行识别，得到多个目标和各个目标的分类结果。5.根据权利要求4所述的方法，其特征在于，对所述降噪图像进行识别，得到多个目标和各个目标的分类结果，包括：利用目标检测卷积神经网络，对所述降噪图像进行识别；所述目标检测卷积神经网络包括分类任务分支和回归任务分支；所述分类任务分支用于对所述降噪图像进行识别得到各个目标的分类结果，所述回归任务分支用于对所述降噪图像进行识别，得到包围目标的目标框信息和所述目标框信息的置信度。6.一种图像处...
【专利技术属性】
技术研发人员：王凯歌，常琳，蒋华涛，陈龙，王天明，陈大鹏，
申请(专利权)人：中国科学院微电子研究所，
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。