一种面向智能船舶的内河雾天场景恢复方法、系统及设备技术方案

本发明专利技术属于有雾图像处理技术领域，公开了一种面向智能船舶的内河雾天场景恢复方法、系统及设备，面向智能船舶的内河雾天场景恢复方法包括：利用基于混合空洞卷积结合AOD

【技术实现步骤摘要】
一种面向智能船舶的内河雾天场景恢复方法、系统及设备


[0001]本专利技术属于有雾图像处理
，尤其涉及一种面向智能船舶的内河雾天场景恢复方法、系统及设备。

技术介绍

[0002]目前，雾霾作为一种常见的自然现象，由大气中的悬浮颗粒等强散射介质形成，在图像采集过程中，这些悬浮介质干扰了成像过程中场景反射光的传播，导致成像结果亮度降低及颜色暗淡。与此同时，随着目标深度的增加，大气光等环境因素也会导致目标反射光能量的衰减，造成成像结果模糊不清。目前，智能船舶发展迅速，已由实验阶段逐渐向实用阶段转变，其发展核心在于保障船舶航行安全，而船舶安全航行的关键在于对周围航行环境的有效感知，并及时做出正确的决策，计算机视觉感知作为一种辅助手段已广泛用于船舶航行环境感知。然而内河航行环境复杂多变，受雾霾天气的影响，船载视觉传感器所采集到的图像或视频，经常出现能见度低、对比度差、背景昏暗以及细节信息丢失等问题，一定程度上影响了其他中级和高级视觉任务，如目标检测及跟踪。因此，如何有效地从有雾图像中恢复真实场景成为智能船舶安全领域的关键问题。<br/>[0003]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向智能船舶的内河雾天场景恢复方法，其特征在于，包括：将混合空洞卷积引入经典AOD
‑
Net模型中，在不增加计算量的基础上有效提升特征感受野大小，减少特征信息丢失；考虑到船舶图像不同区域雾霾浓度的差异，提出将通道注意力机制和像素注意力机制相结合，设计混合注意力模块ECPA，通过赋予图像薄雾和浓雾区域不同的权重，在提升模型对浓雾区域去雾能力的同时保留更多细节特征；最后针对去雾后图像暗淡及色彩失真现象，设计混合损失函数进行网络训练，进一步提升图像恢复的质量；利用基于混合空洞卷积结合AOD
‑
Net模型构建的去雾网络结构对有雾图像提取图像特征信息，得到无雾图像；利用所述混合注意力模块ECPA赋予图像薄雾和浓雾区域不同的权重；利用混合损失函数进行网络训练，得到清晰的去雾图像。2.如权利要求1所述面向智能船舶的内河雾天场景恢复方法，其特征在于，所述面向智能船舶的内河雾天场景恢复方法包括以下步骤：步骤一，构建由去雾网络结构、混合注意力模块ECPA以及混合损失函数构成的改进的AOD
‑
Net模型；步骤二，利用所述去雾网络结构基于混合空洞卷积结合AOD
‑
Net模型对有雾图像提取图像特征信息，得到无雾图像；步骤三，利用所述混合注意力模块ECPA基于相结合的通道注意力机制和像素注意力机制赋予图像薄雾和浓雾区域不同的权重；步骤四，利用所述由多尺度SSIM以及L1损失函数组成的混合损失函数进行网络训练，得到清晰的去雾图像。3.如权利要求2所述面向智能船舶的内河雾天场景恢复方法，其特征在于，所述去雾网络结构由用于提取多尺度特征信息的5个卷积部分以及用于对图像特征信息进行拼接融合的3个连接部分组成；所述5个卷积部分中Conv1和Conv5为标准卷积层，Conv2、Conv3和Conv4由混合空洞卷积构成；所述每个卷积层使用3个滤波器；所述3个连接部分中Concat1用于融合Conv1和Conv2层的特征信息；Concat2用于融合Conv2和Conv3层特征信息；Concat3用于融合Conv1、Conv2、Conv3和Conv4四个卷积层的特征信息；Conv5层用于进行卷积并提取不同尺度特征信息。4.如权利要求2所述面向智能船舶的内河雾天场景恢复方法，其特征在于，所述混合特征注意融合模块ECPA包括：ECA模块，用于对混合空洞卷积之后的特征图捕获通道之间的空间信息，赋予通道不同的权重；PA模块，用于对特征图不同像素点信息分配相应权重。5.如权利要求2所述面向...

【专利技术属性】
技术研发人员：郑元洲，钱龙，刘欣宇，吕学孟，曹靖欣，李磊，张远锋，黄海超，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：