[發明專利]一種基于直方圖與神經網絡的圖像去霧方法

在審

• 申請號: 202010963838.6
• 申請日: 2020-09-14
• 公開（公告）號: CN112102214A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 凌澤樂;高巖;高明
• 申請（專利權）人: 濟南浪潮高新科技投資發展有限公司
• 主分類號: G06T5/20
• 分類號: G06T5/20;G06T5/40;G06T7/90;G06N3/08;G06N3/04
• 代理公司: 濟南泉城專利商標事務所 37218
• 代理人: 李桂存

一種基于直方圖與神經網絡的圖像去霧方法，采用改進后的EnhanceNet網絡結構與原始網絡相比將DenseNet殘差網絡引入，將所有層直接連接在一起，在這種信息的架構中，每層的輸入由所有之前曾的特征映射組成，其輸出將傳輸給每個后續層，這些熱證映射通過深度級聯聚合，提升了神經網絡的深度，降低了圖像去霧的計算量。

技術領域

本發明涉及圖像處理技術領域，具體涉及一種基于直方圖與神經網絡的圖像去霧方法。

背景技術

隨著科技進步，新的圖像技術在逐漸推廣，很多城市更是經常受到霧霾天氣的困擾。在霧霾天中，由于空氣中的霧氣、灰塵、小水滴等細小懸浮物對光線傳播的散射，會極大地影響人視線。去霧領域的研究者提出了很多的算法來實現單幅圖像的去霧，一種做法是對于頻域與空域進行處理，這些基本方法都只針對于特定場景下圖像透霧，對于復雜環境的透霧效果并不明顯，近年來，基于深度學習的圖像增強技術取得卓越進展，在高級圖像理解任務，比如：圖像分類、目標檢測等方面取得令人矚目的成績。因此產生了第二種做法，基于深度學習算法的圖像透霧技術成為研究的熱點，常規做法是將圖像數據訓練集有霧圖像與正常圖像進行直接訓練，得到權重參數但是去霧完成后視覺效果以及圖像質量有待提高。因此技術革新的新型圖像透霧技術是十分有必要的。

發明內容

本發明為了克服以上技術的不足，提供了一種學習有霧圖像以及無霧圖像的直方圖之間潛在的變換，提升圖像的辨識度的方法。

本發明克服其技術問題所采用的技術方案是：

一種基于直方圖與神經網絡的圖像去霧方法，包括如下步驟：

a)將輸入計算機的彩色圖片進行顏色通道轉換，將圖像分解為R通道圖像、G通道圖像以及B通道圖像，將為R通道圖像、G通道圖像以及B通道圖像的灰度圖分別分解為若干方塊，統計計算各個方塊灰度直方圖；

b)將方塊灰度直方圖表示為矩陣，將矩陣進行歸一化處理，得到歸一化后的灰度直方圖；

c)將矩陣輸入EnhanceNet網絡，提取相關特征數據，每次卷積操作得到一層，得到L個層，使用ReLU及3*3的卷積得到深度為64的特征映射圖像；

d)將DenseNet殘差網絡引入步驟b)中的EnhanceNet網絡，將步驟c)中的L層使用DenseNet殘差網絡連接在一起，每個層的輸入由所有之前層的特征映射組成；

e)將經步驟d)處理后的特征映射圖像的直方圖輸出壓縮，得到壓縮后的特征映射圖像的直方圖；

f)將步驟e)中壓縮后的特征映射圖像的直方圖作為輸出直方圖，將步驟b)中的歸一化后的灰度直方圖作為輸入直方圖，將輸出直方圖與輸入直方圖進行一次數據加和計算，加和計算后進行歸一化處理；

g)將步驟f)歸一化處理后的各個方塊圖像拼接為整張圖像，將拼接后的整張圖像進行均值濾波處理，得到去霧圖像。

進一步的，步驟a)中通過公式計算方塊灰度直方圖p(r_k)，式中r_k為該方塊的灰度級，n_k為具有灰度r_k的像素的個數，MN為該方塊中像素個數。

進一步的，步驟b)中將方塊灰度直方圖的橫坐標以1個像素為單位表示成256*1*3的三通道矩陣。

進一步的，步驟c)中EnhanceNet網絡采用步長為2的3*3的卷積核對矩陣進行卷積處理。

進一步的，步驟e)中特征映射圖像的直方圖輸出壓縮為64×1×3。