[發明專利]基于區域劃分及濃霧預處理的卷積神經網絡去霧方法

有效

• 申請號: 201710414385.X
• 申請日: 2017-06-05
• 公開（公告）號: CN107301624B
• 公開（公告）日: 2020-03-17
• 發明（設計）人: 龐彥偉;廉旭航
• 申請（專利權）人: 天津大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程毓英

1.一種基于區域劃分及濃霧預處理的卷積神經網絡去霧方法，首先訓練卷積神經網絡W₁及W₂，W₁采用LeNet網絡結構，其特征在于，步驟如下:

(1)選取M個大小為r×r的無霧圖像塊對于每一個圖像塊選取透射率值對進行加霧，使得加霧后的圖像塊的暗通道值大于閾值T，對加霧的公式如下：

其中，y為內任一像素點，表示在y點R、G、B顏色通道的像素值，A^t＝(255,255,255)^T；

暗通道值的計算公式如下：

其中，c為R、G、B顏色通道中的一個，表示在y點某一顏色通道的像素值，A^tc表示A^t在同一顏色通道的像素值，Ω表示內所有像素點；

(2)對進行映射，結果為公式如下：

其中，β_k為常數，表示映射函數第k+1的系數，k∈{0,1,2,......,K}，為在y點某一通道的像素值；

(3)將作為W₁的訓練數據，采用批量梯度下降算法對W₁進行訓練，迭代次數為N₁，目標函數如下：

其中，表示W₁在第d次迭代對的估計值，d∈{1,2,......,N₁}；表示第d次迭代的誤差的平方和；

W₂采用NIN網絡結構，訓練步驟如下:

(1)任意選取L個大小為r×r的無霧圖像塊對于每一個圖像塊j∈{1,2,......,L}，任意選取一個透射率值對進行加霧，使得加霧后的圖像塊的暗通道值小于閾值T；對加霧的公式如下：

其中，表示在y點R、G、B顏色通道的像素值，A^e＝(255,255,255)^T；

暗通道值的計算公式如下：

其中，表示在y點某一顏色通道的像素值，A^ec表示A^e在同一顏色通道的像素值，Ω表示內所有像素點；

(2)計算的暗通道特征圖公式如下：

其中，Ω′(y)表示以y點為中心，大小為r×r的鄰域，y′為該鄰域內的像素點，如果Ω′(y)超出的范圍，則超出的像素點不參與計算；

(3)將轉換到HLS顏色空間，提取器色度分量

(4)將色度圖暗通道特征圖作為W₂的訓練數據，采用批量梯度下降算法對W₂進行訓練，迭代次數為N₂，目標函數如下：

其中，表示W₂在第d次迭代對的估計值，d∈{1,2,......,N₂}；表示第d次迭代的誤差的平方和；

基于區域劃分及濃霧預處理的卷積神經網絡去霧方法步驟如下：

步驟1：將有霧圖像I_h劃分成N個大小為r×r的不重疊的圖像塊P₁,P₂,......,P_N，設I_h去霧后的結果為J^f，A＝(255,255,255)^T；

步驟2：對于每個圖像塊P_i，計算P_i的暗通道值D_i，公式如下：

其中，Ω表示P_i內所有像素點，為P_i在y點某一顏色通道的像素值，A^c為A在同一通道的像素值；

步驟3：如果D_i≥T，則認為P_i為濃霧圖像塊，轉至步驟4；否則，判定P_i為薄霧圖像塊，轉至步驟6；

步驟4：對P_i進行映射，結果為公式如下：

其中，表示在y點某一顏色通道的像素值；

步驟5：將輸入W₁中，估計透射率t_i；

步驟6：計算P_i的暗通道特征圖D_mi，計算公式如下：

如果Ω′(y)超出P_i的范圍，則超出的像素點不參與計算；

步驟7：將P_i轉換到HLS顏色空間，提取色度分量H_i；

步驟8：將D_mi及H_i輸入到W₂中，估計透射率t_i；

步驟9：利用步驟5或8中得到的透射率t_i，對P_i進行去霧，得到無霧圖像塊步驟10：將賦值給J^f中對應P_i位置的圖像塊