基于大气散射模型的带雾图像目标检测方法及系统技术方案

本公开提供了基于大气散射模型的带雾图像目标检测方法及系统，涉及机器视觉图像处理技术领域，获取原始带雾图像作为基准雾图，基于大气散色模型生成多张不同雾度的带雾图像；分别提取基准雾图和多个生成带雾图像的基准雾图特征和生成雾图特征，使用相似度叠加的方法，分别计算生成雾图特征之间的整体相似度和局部相似度，获取生成雾图特征的共同特征，基于所述共同特征对生成带雾图像进行去雾，得到去雾图像；将基准雾图和去雾图像分别输入至RetinaNet神经网络中，分别提取原始带雾特征和去雾清晰特征，将原始带雾特征和去雾清晰特征通过注意力机制进行特征增强后再进行特征融合，得到融合特征，利用所述融合特征输出目标检测的结果。

【技术实现步骤摘要】

本公开涉及机器视觉图像处理，具体涉及基于大气散射模型的带雾图像目标检测方法及系统。

技术介绍

1、本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。

2、随着深度学习的发展，目标检测方法在近些年取得了飞速发展。然而一般的目标检测方法对图像质量有一定的要求，在大雾等不良天气下拍摄的图像会有不同程度的模糊退化，给特征提取带来困难，并给目标检测任务带来巨大影响。

3、图像去雾和目标检测所需特征不同，前者需要恢复图像的细节信息，而后者需要提取高级语义特征，现有的恢复模型通常基于神经网络，所生成的图像可能包含人眼看不到的噪声，从而增大了后续目标检测的难度，因此，对图像先恢复后检测的方式有时反而会降低检测效果。

技术实现思路

1、本公开为了解决上述问题，提出了基于大气散射模型的带雾图像目标检测方法及系统，针对图像恢复，基于大气散色模型的共性特征提取的图像去雾方法，尽可能地保留图像的原始特征，减少恢复过程对后续检测的影响，使用retinanet网络作为检测网络，能够有效地提取图本文档来自技高网...

【技术保护点】

1.基于大气散射模型的带雾图像目标检测方法，其特征在于，包括：

2.如权利要求1所述的基于大气散射模型的带雾图像目标检测方法，其特征在于，基于大气散色模型生成多张不同雾度的带雾图像，包括：利用加雾算法对清晰图像进行加雾，生成多张带有不同雾度的带雾图像，具体为的大气散色模型为：

3.如权利要求1所述的基于大气散射模型的带雾图像目标检测方法，其特征在于，提取多个生成带雾图像的生成雾图特征，包括：使用特征提取网络，特征提取网络有三层，包含三个卷积层，每个卷积层后面连接一个ReLU激活函数，前两个卷积层后面连接最大池化层，第三个卷积层后面没有设置池化操作。

4...

【技术特征摘要】

1.基于大气散射模型的带雾图像目标检测方法，其特征在于，包括：

2.如权利要求1所述的基于大气散射模型的带雾图像目标检测方法，其特征在于，基于大气散色模型生成多张不同雾度的带雾图像，包括：利用加雾算法对清晰图像进行加雾，生成多张带有不同雾度的带雾图像，具体为的大气散色模型为：

3.如权利要求1所述的基于大气散射模型的带雾图像目标检测方法，其特征在于，提取多个生成带雾图像的生成雾图特征，包括：使用特征提取网络，特征提取网络有三层，包含三个卷积层，每个卷积层后面连接一个relu激活函数，前两个卷积层后面连接最大池化层，第三个卷积层后面没有设置池化操作。

4.如权利要求1所述的基于大气散射模型的带雾图像目标检测方法，其特征在于，所述整体相似度作为特征叠加时的权重，局部相似度决定特征融合的方式，使用结构相似性指数来计算生成雾图特征的整体相似度和局部相似度，直接调用scikit-image库的ssim()函数进行计算。

5.如权利要求1所述的基于大气散射模型的带雾图像目标检测方法，其特征在于，对于整体相似度，直接将基准雾图特征和生成雾图特征作为参数进行计算；对于局部相似度，先根据图像大小设置滑动窗口，不重复的遍历整幅图像，得到各个部分的局部相似度。

6.如权利要求4所述的基于大气散射模型的带...

【专利技术属性】
技术研发人员：张友梅，王晨星，贾英杰，李彬，张瑜，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：