图像去雾模型训练方法、轻量化图像去雾方法技术

本发明专利技术涉及一种图像去雾模型训练方法、轻量化图像去雾方法。本发明专利技术的技术方案为一种图像去雾模型训练方法，其特征在于，包括：获取训练集，训练集包括清晰图像和与清晰图像对应的雾霾图像；通过RGB特征提取模块从雾霾图像中提取各颜色通道图像的浅层雾霾浓度特征；通过多尺度特征提取模块从各浅层雾霾浓度特征中图像在不同尺度下的特征信息；通过特征融合模块将各尺度下的特征信息进行融合，得到多尺度聚合特征；通过生成模块，基于多尺度聚合特征生成去雾后的复原图像；所述图像去雾模型训练方法采用的损失函数包括图像内容损失和图像结构损失。本发明专利技术适用于计算机语义分析领域。

【技术实现步骤摘要】

本专利技术涉及一种图像去雾模型训练方法、轻量化图像去雾方法。适用于计算机语义分析领域。

技术介绍

1、随着信息化时代的来临，数字图像因其包含的丰富视觉信息已被广泛应用于人们生活、生产的方方面面。无论是在图像分类、文本检测、人脸识别以及语义分割等科研领域，还是在场景识别、目标跟踪、智能交通以及军事防御等实际应用中，数字图像都扮演着至关重要的角色。

2、然而，在自然场景中采集的图像易受雾霾等天气影响，使得图像清晰度和对比度大幅降低，有效信息被覆盖。雾天形成原因主要是空气中存在大量微小悬浮颗粒，景物到达成像设备的光线出现不同程度的散射和吸收。这类图像通常很难满足各类视觉系统对高质量、高清晰图像的需求，应用价值大大降低。

技术实现思路

1、本专利技术要解决的技术问题是：针对上述存在的问题，提供一种图像去雾模型训练方法、轻量化图像去雾方法。

2、本专利技术所采用的技术方案是：一种图像去雾模型训练方法，其特征在于，包括：

3、获取训练集，训练集包括清晰图像和与清晰图像对应的雾霾图像；<本文档来自技高网...

【技术保护点】

1.一种图像去雾模型训练方法，其特征在于，包括：

2.根据权利要求1所述的图像去雾模型训练方法，其特征在于，所述通过RGB特征提取模块从雾霾图像中提取各颜色通道图像的浅层雾霾浓度特征，包括：

3.根据权利要求1所述的图像去雾模型训练方法，其特征在于，所述通过特征融合模块将各尺度下的特征信息进行融合，得到多尺度聚合特征，包括：

4.根据权利要求1所述的图像去雾模型训练方法，其特征在于，该模型训练方法采用的损失函数，包括：

5.一种图像去雾模型训练装置，其特征在于，包括：

6.一种存储介质，其上存储有能被处理器执行的计算机程序，其特...

【技术特征摘要】

1.一种图像去雾模型训练方法，其特征在于，包括：

2.根据权利要求1所述的图像去雾模型训练方法，其特征在于，所述通过rgb特征提取模块从雾霾图像中提取各颜色通道图像的浅层雾霾浓度特征，包括：

3.根据权利要求1所述的图像去雾模型训练方法，其特征在于，所述通过特征融合模块将各尺度下的特征信息进行融合，得到多尺度聚合特征，包括：

4.根据权利要求1所述的图像去雾模型训练方法，其特征在于，该模型训练方法采用的损失函数，包括：

5.一种图像去雾模型训练装置，其特征在于，包括：

6.一种存储介质，其上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现权利要求1...

【专利技术属性】
技术研发人员：陈浩天，胡益平，王瑞清，俞灿楠，赖宋彬，向阳，杨文，黄华，郑万虎，
申请(专利权)人：中国电建集团华东勘测设计研究院有限公司，
类型：发明
国别省市：