[發明專利]一種基于ResNet神經網絡的單幅圖像去霧方法有效
| 申請號： | 201711305489.3 | 申請日： | 2017-12-11 |
| 公開（公告）號： | CN108230264B | 公開（公告）日： | 2020-05-15 |
| 發明（設計）人： | 王衛星;黃德威;姜冰;陳可昕;陸健強 | 申請（專利權）人： | 華南農業大學 |
| 主分類號： | G06T5/00 | 分類號： | G06T5/00;G06N3/04 |
| 代理公司： | 廣州市華學知識產權代理有限公司 44245 | 代理人： | 林梅繁 |
| 地址： | 510642 廣*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 resnet 神經網絡 單幅 圖像 方法 | ||
1.一種基于ResNet神經網絡的單幅圖像去霧方法，其特征在于，包括以下步驟：
步驟一、獲取同一個場景下的雨霧天氣狀況下的有霧圖像及晴天的清晰圖像，組成圖像數據集，作為訓練數據集；
步驟二、對步驟一中的圖像數據集使用SIFT進行關鍵點匹配，校正圖像的像素偏移；
步驟三、搭建一個基于ResNet的深度神經網絡，ResNet神經網絡輸入為單幅有霧的場景圖像；
步驟四、使用所搭建的深度神經網絡，實現對降質圖像進行端到端的去霧清晰化處理；
步驟三所搭建的ResNet神經網絡包括多個卷積層和多尺度損失函數；多個卷積層包括一個對輸入數據進行特征提取的卷積層和多個殘差模塊，每個殘差模塊包括2個卷積層；
所述ResNet神經網絡的卷積層有23個，23個卷積層包括一個對輸入數據進行特征提取的卷積層和10個殘差模塊；
所述ResNet神經網絡的多尺度損失函數包括圖像的色彩損失函數、圖像紋理損失函數和圖形細節信息損失函數；多尺度損失函數如下所示：
Ltotal＝0.4*Ldetail+0.2*Ltexture+0.8*Lcolor
其中Lcolor為色彩損失函數，Ltexture為圖像紋理損失函數，Ldetail為圖像細節信息損失函數。
2.根據權利要求1所述的基于ResNet神經網絡的單幅圖像去霧方法，其特征在于，所述色彩損失函數使用均方誤差進行衡量，首先分別對輸入圖像和其對應的清晰圖像進行高斯濾波模糊后，再計算兩幅圖像之間的均方誤差；均方誤差損失函數如式(1)所示：
Lcolor(Youtput,Yclear)＝||Youtput-Yclear||2 (1)
其中，Youtput表示高斯濾波模糊后的網絡輸出圖像，Yclear表示高斯濾波模糊后采集到的清晰的圖像。
3.根據權利要求1所述的基于ResNet神經網絡的單幅圖像去霧方法，其特征在于，所述圖像紋理損失函數通過一個生成對抗網絡進行學習得到；圖像紋理損失函數定義如式(2)所示：
其中FW表示生成對抗網絡，D表示判別網絡,Ioutput表示深度神經網絡輸出結果，Iclear表示數據集中的清晰圖像。
4.根據權利要求1所述的基于ResNet神經網絡的單幅圖像去霧方法，其特征在于，所述圖像細節信息損失函數如式(3)所示：
其中A、B表示分別對高斯濾波模糊后采集到的清晰圖像Yclear和高斯濾波模糊后的網絡輸出圖像Youtput進行Canny邊緣檢測所得的圖像。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于華南農業大學，未經華南農業大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201711305489.3/1.html，轉載請聲明來源鉆瓜專利網。
