[發(fā)明專利]一種基于金字塔通道特征注意力的神經(jīng)網(wǎng)絡(luò)圖像去霧方法有效
| 申請?zhí)枺?/td> | 202010320431.1 | 申請日： | 2020-04-21 |
| 公開（公告）號： | CN111539888B | 公開（公告）日： | 2023-08-04 |
| 發(fā)明（設(shè)計）人： | 張笑欽;王濤;王金鑫;趙麗 | 申請（專利權(quán)）人： | 溫州大學(xué) |
| 主分類號： | G06T5/00 | 分類號： | G06T5/00;G06N3/0464;G06N3/048;G06N3/08 |
| 代理公司： | 北京中北知識產(chǎn)權(quán)代理有限公司 11253 | 代理人： | 陳孝政 |
| 地址： | 325000 浙江省溫州市甌海經(jīng)濟(jì)*** | 國省代碼： | 浙江;33 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 基于 金字塔 通道 特征 注意力 神經(jīng)網(wǎng)絡(luò) 圖像 方法 | ||
1.一種基于金字塔通道特征注意力的神經(jīng)網(wǎng)絡(luò)圖像去霧方法，其特征在于：包括以下步驟：
S1、構(gòu)建圖像去霧模型；其中，該圖像去霧模型包括三尺度特征提取器、金字塔通道特征注意力模塊和圖像重構(gòu)模塊；
S2、獲取有霧圖像數(shù)據(jù)，利用三尺度特征提取器提取霧圖三種不同尺度的特征圖，其中不同尺度的特征圖表示霧圖受到霧影響不同的特征；
S3、利用圖像去霧模型中的金字塔通道特征注意力模塊將特征圖進(jìn)行動態(tài)融合，并利用注意力機制進(jìn)行去霧處理；
所述金字塔通道注意力模塊從上到下，將由步驟S2輸出的低層、中層和高層特征按高層，中層和低層的順序交替融合，融合的過程首先分別對高層、中層和低層特征分別利用通道注意力機制分別增強，接著利用拼接操作先將增強后的高層特征和中層進(jìn)行高效的融合，然后將融合后的特征和增強后的低層再次用拼接操作進(jìn)行融合，特征在融合的過程中也不斷在進(jìn)行去霧處理；
所述金字塔通道注意力機制模塊主要有4個通道注意力機制模塊、2個3×3的卷積和特征拼接操作構(gòu)成，其中通道注意力機制模塊的功能為：
a).全局平均池化操作把二維特征圖轉(zhuǎn)化為實數(shù)；
b).使用兩個卷積操作進(jìn)行通道權(quán)重的學(xué)習(xí)；
c).使用門控非線性sigmoid激活函數(shù)；
d).使用尺度操作，將每個權(quán)重加到特征圖上；
S4、將去霧處理后的特征通過圖像重構(gòu)模塊重構(gòu)為清晰的無霧圖像；
S5、計算恢復(fù)圖像和對應(yīng)清晰圖像的均方誤差和邊緣損失，更新圖像去霧模型；其中均方誤差指導(dǎo)圖像去霧模型學(xué)習(xí)清晰圖像的內(nèi)容，邊緣損失指導(dǎo)圖像去霧模型關(guān)注圖像細(xì)節(jié)結(jié)構(gòu)，兩種損失函數(shù)協(xié)作指導(dǎo)去霧模型去霧性能。
2.根據(jù)權(quán)利要求1所述的一種基于金字塔通道特征注意力的神經(jīng)網(wǎng)絡(luò)圖像去霧方法，其特征在于：步驟S5，具體包括：
對恢復(fù)的圖像和對應(yīng)的清晰圖像計算均方誤差和邊緣損失，這兩種損失具體為:
其中，C，H,W分別表示圖像的通道數(shù)，高和寬；Iclear表示清晰的圖像；Idehazed表示圖像去霧模型恢復(fù)的圖像；
Ledge＝||tan(Conv(Iclear,klaplace))-tan(Conv(Idehazed,klaplace))||1,
其中，Iclear表示清晰的圖像；Idehazed表示圖像去霧模型恢復(fù)的圖像；tanh表示非線性激活函數(shù)tanh；klaplace表示拉普拉斯算子；||||1表示L1范數(shù)；
總的去霧模型損失函數(shù)為：
Ltotal＝Lmse+ɑ*Ledge,
其中，ɑ為超參數(shù)，用來平衡均方誤差損失和邊緣損失；均方誤差損失指導(dǎo)圖像去霧模型學(xué)習(xí)清晰圖像的內(nèi)容，邊緣損失指導(dǎo)圖像去霧模型側(cè)重學(xué)習(xí)清晰圖像的細(xì)節(jié)結(jié)構(gòu)，兩種損失協(xié)同指導(dǎo)圖像去霧模型達(dá)到優(yōu)越的去霧性能。
3.根據(jù)權(quán)利要求1所述的一種基于金字塔通道特征注意力的神經(jīng)網(wǎng)絡(luò)圖像去霧方法，其特征在于：步驟S2具體包括：
獲取有霧圖片，使用三尺度特征提取器提取三種不同尺度的特征，該特征提取器與其他方法的特征提取器最大的不同是無需提前訓(xùn)練且是輕量級的特征提取器；該提取器自下而上由三個部分組成，每個部分都是由一個3×3的卷積和連個連續(xù)的殘差塊，每經(jīng)過一個部分特征圖的大小減半，特征圖的深度從32升到64再升到128；每個部分最后一層的特征圖作為輸出，三種特征分別代表了輸入霧圖低層、中層和高層的特征，這些特征表示圖像語義越來越強。
4.根據(jù)權(quán)利要求1所述的一種基于金字塔通道特征注意力的神經(jīng)網(wǎng)絡(luò)圖像去霧方法，其特征在于：步驟S4具體包括：
所述圖像重構(gòu)模塊包括一個3×3的卷積層構(gòu)成，將去霧處理后的高維特征圖重構(gòu)為清晰的無霧圖。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于溫州大學(xué)，未經(jīng)溫州大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010320431.1/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
