[發(fā)明專利]一種基于生成對抗模型的圖像去霧處理方法

有效

• 申請?zhí)枺?/td>: 201811289748.2
• 申請日: 2018-10-31
• 公開（公告）號: CN109509156B
• 公開（公告）日: 2021-02-05
• 發(fā)明（設計）人: 鄭軍;李俊
• 申請（專利權）人: 聚時科技(上海)有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04
• 代理公司: 上海科盛知識產(chǎn)權代理有限公司 31225
• 代理人: 翁惠瑜

本發(fā)明涉及一種基于生成對抗模型的圖像去霧處理方法，該方法通過一訓練好的生成對抗模型將有霧圖像直接轉換為無霧圖像，其中，所述生成對抗模型包括一個生成網(wǎng)絡和一個判別網(wǎng)絡，所述生成網(wǎng)絡用于生成無霧恢復圖像，包括：第一層子網(wǎng)，用于提取特征圖譜；第二層子網(wǎng)，包括5個依次連接的卷積層，且第二個卷積層的輸入端與前一層卷積層輸出端和第一層子網(wǎng)的輸出端連接，用于融合第一層子網(wǎng)提取的全局特征圖譜，獲得無霧恢復圖像；所述判別網(wǎng)絡用于判別生成網(wǎng)絡輸出的無霧恢復圖像是否是一副真實的無霧圖像。與現(xiàn)有技術相比，本發(fā)明具有去霧效果好、過程簡單等優(yōu)點。

技術領域

本發(fā)明涉及一種圖像處理方法，尤其是涉及一種基于生成對抗模型的圖像去霧處理方法。

背景技術

霧和霧霾是實際生活中常見的大氣現(xiàn)象。由于有霧天氣下存在很多具有一定尺寸的大氣微小顆粒，這些吸收目標物體/場景的反射光，同時自身的反射光同目標物體的反射光混合在一起進入相機成像，使得成像清晰度受到不同程序的干擾。由于成像的模糊和噪聲，給有霧天氣下的室外拍照應用帶來了不便，而且給基于計算機視覺的各種算法造成了很大的困難，比如目標識別/跟蹤、場景分割、自動駕駛等。

隨著圖像處理技術的進步，圖像去霧工作近些年有了較大的推進。目前圖像去霧算法主要可以分為兩類：第一類基于人為定義的圖像特征，進行聚類，信息統(tǒng)計，估算大氣散射模型中的透射率及大氣光強，然后通過該散射模型的逆向求解來得到去霧圖像；該類型方法對于有霧圖像的恢復效果一般，主要局限性在于通過人為定義的特征和傳統(tǒng)圖像處理方法，透射率和大氣光強的估算準確性和魯棒性不佳，經(jīng)常會有圖像色彩失真和較大圖像噪聲的出現(xiàn)。第二類是采用深度卷積網(wǎng)絡模型，基于大樣本量訓練，讓網(wǎng)絡自身學習到如何估算透射率和大氣光強，再通過模型公式求解無霧圖像。深度學習模型的優(yōu)點在于不用人為定義特征的提取方法，網(wǎng)絡本身可以學到如何提取所需特征，比傳統(tǒng)的圖像處理方法在去霧效果上具有更高的恢復準確度和普適度。但目前的深度學習去霧方法還存在不能很好實現(xiàn)端到端圖像去霧的不足。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術存在的缺陷而提供一種基于生成對抗模型的圖像去霧處理方法。

本發(fā)明的目的可以通過以下技術方案來實現(xiàn)：

一種基于生成對抗模型的圖像去霧處理方法，該方法通過一訓練好的生成對抗模型將有霧圖像直接轉換為無霧圖像，其中，所述生成對抗模型包括一個生成網(wǎng)絡和一個判別網(wǎng)絡，所述生成網(wǎng)絡用于生成無霧恢復圖像，包括：

第一層子網(wǎng)，用于提取特征圖譜；

第二層子網(wǎng)，包括5個依次連接的卷積層，且第二個卷積層的輸入端與前一層卷積層輸出端和第一層子網(wǎng)的輸出端連接，用于融合第一層子網(wǎng)提取的全局特征圖譜，獲得無霧恢復圖像；

所述判別網(wǎng)絡用于判別生成網(wǎng)絡輸出的無霧恢復圖像是否是一副真實的無霧圖像。

進一步地，所述第一層子網(wǎng)包括4個卷積模塊、4個池化層和兩個全連接層，每個池化層對應連接于一所述卷積模塊之后，所述兩個全連接層連接于池化層后。

進一步地，所述第一層子網(wǎng)的卷積模塊包括相連接的兩層卷積層。

進一步地，所述生成對抗模型中，每個卷積層后設有ReLU非線性激活層。

進一步地，所述判別網(wǎng)絡包含4個卷積層和1個全連接層以及1個Sigmoid激活層

進一步地，所述生成對抗模型訓練時采用的樣本數(shù)據(jù)庫通過如下方式生成：

獲取無霧圖像集，對無霧圖像進行加霧處理，生成不同光照強度和霧化濃度下的有霧圖像，獲得有霧圖像集，將無霧圖像集和與之對應的有霧圖像集組成樣本數(shù)據(jù)庫。

進一步地，所述加霧處理采用的加霧處理函數(shù)為：

G(I)＝T(I)+a*(1-T(I))