[發明專利]一種基于深度學習的單幅圖像去霧方法

有效

• 申請號: 201710613638.6
• 申請日: 2017-07-25
• 公開（公告）號: CN107451967B
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 鄒月嫻;陳澤晗;王毅
• 申請（專利權）人: 北京大學深圳研究生院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50
• 代理公司: 北京萬象新悅知識產權代理有限公司 11360
• 代理人: 賈曉玲

1.一種單幅圖像去霧的方法，其步驟包括：

A.散射效果消除，獲得實現方法為：

A1.將待處理的圖像數據作為輸入數據，該輸入數據用I表示，進行卷積Conv1操作，其中Conv1(I)＝W₁I+B₁；W₁是該卷積層神經元的參數，B₁是偏置量；

A2.將卷積操作后的圖像的每個像素點的值進行ReLU操作處理，之后輸出，其中ReLU(x)＝max(x,0)，即當該值小于或等于0時，處理結果為0，當該值取值大于0時，處理結果為原數值不變；得到圖像數據

B.大氣光影響計算，獲得實現方法為：

B1.將步驟A處理后獲得的的圖像數據作為輸入數據，該輸入數據用I′表示，對其進行卷積Conv2操作，其中Conv2操作是Conv2(I)＝W₂I′+B₂；W₂是該卷積層神經元的參數，B₂是偏置量；

B2.將卷積操作后的圖像的每個像素點的值進行ReLU操作處理，之后輸出，其中ReLU(x)＝max(x,0)，即當該值小于或等于0時，處理結果為0，當該值取值大于0時，處理結果為原數值不變；將處理后的圖像數據表示為I″；

B3.進行Conv3操作，其中Conv3操作是Conv3(I″)＝W₃I″+B₃；W₃是該卷積層神經元的參數，B₃是偏置量；

B4.將卷積操作后的圖像的每個像素點的值進行ReLU操作處理，之后輸出，其中ReLU(x)＝max(x,0)，即當該值小于或等于0時，處理結果為0，當該值取值大于0時，處理結果為原數值不變；得到圖像數據

C.融合操作，實現方法為：

C1.將A步驟獲得的結果與B步驟獲得的結果相加，即獲得根據公式得到無霧高清圖像J(x,y)。

2.如權利要求1所述的單幅圖像去霧的方法，其特征在于，在最終輸出圖像前做一個微調，具體步驟如下：

D1.將步驟C處理后獲得的圖像數據作為輸入數據，該輸入數據用I″′表示，對其進行卷積Conv4操作，其中為Conv4(I″′)＝W₄I″′+B₄，W₄是該卷積層神經元的參數，B₄是偏置量；

D2.將卷積操作的結果的每個像素點的值進行Sigmoid操作處理，其中Sigmoid操作為：

3.如權利要求1或2所述的單幅圖像去霧的方法，其特征在于，所述步驟中的參數W₁、B₁、W₂、B₂、W₃、B₃、W₄、B₄均使用機器學習方法訓練迭代后獲得。

4.如權利要求3所述的單幅圖像去霧的方法，其特征在于，所述機器學習方法訓練迭代的具體實現方法為：在Linux服務器上基于Caffe開源框架，采用SGD優化策略進行訓練迭代若干個10000次，每迭代若干個100次參數，就基于MSE方法計算一次損失函數值loss，最后將loss值最低時的參數值作為參數W₁、B₁、W₂、B₂、W₃、B₃、W₄、B₄的值。