一种基于先验信息协助的卷积神经网络去雾方法技术

本发明专利技术提出了一种基于先验信息协助的卷积神经网络去雾方法，将雾霾图像先验看作为神经网络的辅助信息，以提升模型整体的去雾效果。具体来说，我们从两种角度利用相关先验：注意力监督与图像细节保护。首先，将表征图像雾霾空间分布的先验信息作为监督约束，以生成对应的注意力特征图，提升非均匀区域去雾效果。其次，利用图像细节提取先验作为网络的补充信息，克服传统方法在去雾过程中图像细节丢失的缺陷。最后，引入半课程监督学习策略缓解多目标回归任务中学习模糊性大、收敛困难等问题。综上所诉，本发明专利技术所提出的去雾网络，在去除图像雾霾的同时，还能够有效的保留图像的细节信息，具有较高的实际应用前景。

【技术实现步骤摘要】

本专利技术主要涉及深度学习、智能图像处理、卷积神经网络及图像恢复等，通过利用合适的图像先验信息，提出了一种基于先验信息协助的卷积神经网络去雾方法。

技术介绍

1、近年来，由于社会活动、工业经济的快速发展，诸如雾霾、灰尘的恶劣天气的出现频率逐年上升。不仅影响人们的社会生产活动，而且使得摄像设备采集得到的图像产生严重的质量退化问题，例如颜色失真、图像细节模糊等。为了提升雾霾天气条件下图像的拍摄质量，减少雾霾天气对户外成像系统的干扰，研究人员提出了大量的去雾算法来解决上述问题。

2、具体来说，现有的去雾算法主要分为两类：基于物理模型的去雾方法与基于学习的图像去雾方法。基于物理模型的去雾算法主要致力于发掘各类图像先验信息，通过这些有效的先验信息来估计大气散射系数与传输系数，然后基于大气散射模型，恢复最终的去雾图像。基于先验的去雾方法取得了一定的效果，但由于现实条件的复杂多变性，其所依赖的先验存会出现与实际情况不符合的情况，从而导致去雾失败。基于学习的图像去雾方法的策略是通过网络学习的方式进行参数预测或直接端到端的恢复去雾图像，其中，前者还是基于大气散射本文档来自技高网...

【技术保护点】

1.一种基于先验信息协助的卷积神经网络去雾方法，其特征在于：

2.如权利要求1所述的一种基于先验信息协助的卷积神经网络去雾方法，其特征在于：所述步骤1的注意力监督网络的构建，采用经典的编解码结构作为主网络结构，同时，将包含通道注意力与像素注意力的混合注意力模块作为网络提取的核心，预测回归的得到表征雾霾位置的注意力特征图。

3.如权利要求1所述的一种基于先验信息协助的卷积神经网络去雾方法，其特征在于：所述步骤1的注意力监督网络的构建，引入半课程监督上学习策略，以缓解多目标预测任务中的学习模糊及网络难收敛问题。

4.如权利要求1所述的一种基于先验信息协助的...

【技术特征摘要】

1.一种基于先验信息协助的卷积神经网络去雾方法，其特征在于：

2.如权利要求1所述的一种基于先验信息协助的卷积神经网络去雾方法，其特征在于：所述步骤1的注意力监督网络的构建，采用经典的编解码结构作为主网络结构，同时，将包含通道注意力与像素注意力的混合注意力模块作为网络提取的核心，预测回归的得到表征雾霾位置的注意力特征图。

3.如权利要求1所述的一种基于先验信息协助的卷积神经网络去雾方法，其特征在于：所述步骤1的注意力监督网络的构建，引入半课程监督上学习策略，以缓解多目标预测任务中的学习模糊及网络难收敛问题。

4.如权利要求1所述的一种基于先验信息协助的卷积神经网络去雾方法，其特征在于：所述步骤2的细节细化网络的构建，基于残差通道先验知识，对输入的雾化图像进行特征提取与特征增强操作，其中，特征提取模块将细节信息映射到高维的特征空间，特征增强模块通过不同尺度...

【专利技术属性】
技术研发人员：吴益剑，
申请(专利权)人：温州大学元宇宙与人工智能研究院，
类型：发明
国别省市：