[發明專利]一種基于特征學習的單幅圖像去霧方法

在審

• 申請號: 201910246074.6
• 申請日: 2019-03-29
• 公開（公告）號: CN110211052A
• 公開（公告）日: 2019-09-06
• 發明（設計）人: 趙德群;董皓辰;鄧錢華;孫光民
• 申請（專利權）人: 北京工業大學;思凱凌克（北京）科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T3/40
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

1.一種基于特征學習的單幅圖像去霧方法，該方法的實現步驟如下：

S1搭建去霧圖像I的預訓練模型，通過預訓練模型對待去霧圖像I進行特征提??；

S2預訓練模型利用卷積神經網絡實現，其中為提高卷積神經網絡在圖像處理上的特征學習能力，使用三組不同尺度的卷積神經網絡組來構建透射圖像預測的深度學習模型；

S3通過S2中的三組不同尺度的卷積神經網絡逐步優化得到暗通道圖像；使用Maxout非線性激活函數模擬出極值濾波器，從輸入大氣散射模型的圖像中提取暗通道特征；

根據暗通道先驗知識，利用原去霧圖像I的和暗通道圖像，求解出大氣光A；

S4使用深度學習方法來預測出透射圖t：深度模型的編碼階段，使用SENet154作為基礎結構；解碼階段通過修改常規FPN網絡，將霧氣圖像的透射圖像t進行分割；利用FPN融合多分辨率特征，提高小區域霧氣圖像的分割精度；在FPN的基礎上，引入了hypercolumn模塊，進一步融合大氣光A的多分辨率特征；在編碼器的最后加入全局平均池化層和分類頭；此外，在分割網絡中，引入分類輔助損失；在解碼器每一分辨率的層級，引入分割輔助損失，進一步調整每一層級參數的訓練，最終實現預測出透射圖t；

S5根據S4輸出的映射模型以及S3中的大氣光照值A，搭建出大氣散射模型J(x)＝(I(x)-A)/t(x)+A；

S6對搭建出大氣散射模型進圖像的暗通道特征提取后，再并行通過三組不同尺度的卷積核，然后進行池化和非線性激活，復原得到無霧圖像。

2.根據權利要求1所述的一種基于特征學習的單幅圖像去霧方法，其特征在于：端到端的網絡模型中，即輸入端和輸出端都是圖像。

3.根據權利要求1所述的一種基于特征學習的單幅圖像去霧方法，其特征在于：S2.1基于Alex Net模型改進得到第一組CNN，并且改變其輸出層結構，使Alex Net模型成為端到端的網絡模型；

S2.2增加兩組不同尺度的CNN。

4.根據權利要求1所述的一種基于特征學習的單幅圖像去霧方法，其特征在于：圖片文件來自視頻，將視頻接入模塊獲得的視頻，轉換為一幀幀的圖片，調用去霧模塊動態庫，進行去霧處理；加載需要處理的圖片集，連接到數據庫按鈕，可以直接從數據庫獲取數據；去霧處理完的圖片通過保存圖片，將處理后的圖片保存；

對圖片能夠進行左右上下拖拽，可進行放大縮小等操作；當多張圖片被選中后，通過驗證，符合設計需求；

從數據庫導入圖片，如點擊鏈接數據庫，對數據庫配置進行參數選擇；

連接成功后，將導入一系列圖片選中圖片后，可點擊圖像菜單按鈕，點擊圖像去霧按鈕。