[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

本發明公布了一種基于深度學習的單幅圖像去霧方法，屬于圖像處理領域。本發明根據成霧模型的公式I(x,y)＝T(x,y)J(x,y)+(1?T(x,y))A，可以變換推導出公式利用深度卷積神經網絡技術求得無霧高清圖像J(x,y)。采用本發明圖像去霧效果好；且采用矩陣加法操作，處理速度快。

技術領域

本發明提供了一種單幅圖像去霧的方法，具體涉及一種基于深度學習的單幅圖像去霧的方法。

背景技術

霧霾天氣對無人機航拍作業的影響不容小覷。霧霾天氣航拍形成的圖像模糊不清，喪失了人們需要捕捉的信息。隨著空氣狀況的惡化，人們對無人機航拍圖像的去霧需求越來越高。

圖像去霧問題是屬于圖像恢復問題，不是簡單的圖像增強技術能解決得了的。根據McCartney的成霧模型(E.J.McCartney,Optics of the atmosphere:scattering bymolecules and particles,New York,John Wiley and Sons,Inc.,1976.421p.,1976.)，原場景中的景物是經過空氣中的水珠子或微顆粒折射或散射后被捕捉進入鏡頭的，空氣中的大氣光也會因為折射或散射而進入鏡頭，因此可用以下公式描述這個霧化原理：I(x,y)＝T(x,y)J(x,y)+(1-T(x,y))A。其中T(x,y)是表征透射和散射的一個因子，稱之為透射率，A代表空氣中的大氣光，(1-T(x,y))A就是大氣光被折射散射后進入鏡頭的干擾光，I(x,y)便是被鏡頭捕捉到的圖像，J(x,y)代表原場景中的景色的圖像，也是需要恢復的高清圖像。霧霾的存在在該模型中可以看成T(x,y)被改變了，從而影響了鏡頭成像的清晰性。

發明內容

本發明的目的是提供一種新的圖像去霧方法，用以解決將霧霾天氣航拍視頻圖像恢復成高清無霧圖像的問題。

本發明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，將該輸入數據用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，處理完圖像數據便得到

C.融合操作，實現方法為：