[發明專利]一種基于增量學習與特征、注意力傳遞的圖像去霧方法

有效

• 申請號: 202110304663.2
• 申請日: 2021-03-23
• 公開（公告）號: CN113066025B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 王科平;李冰鋒;韋金陽;楊藝;李新偉;崔立志
• 申請（專利權）人: 河南理工大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/90;G06N3/04;G06V10/774
• 代理公司: 鄭州知一智業專利代理事務所(普通合伙) 41172
• 代理人: 郜廷偉

本發明公開了一種基于增量學習與特征、注意力傳遞的圖像去霧方法，包括以下步驟：S1、構造作為教師網絡的自編碼器網絡，提取第一中間層特征圖及第一特征注意力圖；S2、構造作為學生網絡的去霧網絡，輸出第二中間層特征圖、第二特征注意力圖去擬合第一中間層特征圖、第一特征注意力圖，并將擬合后得到的第三特征注意力圖對相應特征進行增強操作；S3、使用多組成對的相同圖像對教師網絡進行訓練操作；S4、使用多組成對的霧圖與清晰圖像對學生網絡進行優化訓練；S5、使用SSIM損失函數與Smooth L1損失函數共同作用對學生網絡進行訓練；S6、對學生網絡中的數據集進行增量操作，提高去霧網絡對其他數據的去霧能力。

技術領域

本發明涉及圖像處理領域，尤其涉及一種基于增量學習與特征、注意力傳遞的圖像去霧方法。

背景技術

近年來，工業生產、汽車排放等原因導致空氣質量惡化、霧霾天氣逐漸增多，空氣中的懸浮粒子對光線的吸收、散射致使成像設備獲取到的霧天圖像出現對比度低、顏色失真、模糊等問題，霧霾圖像不僅直接影響圖像的視覺效果，而且也限制了以圖像為處理對象的高級計算機視覺任務，因此霧霾圖像清晰化研究在計算機視覺領域有著很重要的意義。

基于大氣散射模型的圖像復原方法和基于深度學習的圖像去霧方法是目前主流方法。但是基于大氣散射模型的圖像復原方法會因為中間參數估計不準確導致出現去霧殘留、圖像失真等問題；而基于深度學習的圖像去霧方法因數據集的限制會出現泛化能力較弱的問題；因此，有必要研究一種提高去霧網絡中去霧及泛化能力的方法來解決上述問題。

發明內容

本發明目的是針對上述問題，提供一種操作簡單、提高去霧效果的基于增量學習與特征、注意力傳遞的圖像去霧方法。

為了實現上述目的，本發明的技術方案是：

一種基于增量學習與特征、注意力傳遞的圖像去霧方法，包括以下步驟：

S1、構造作為教師網絡的自編碼器網絡，提取自編碼器網絡中不同維度的第一中間層特征圖及第一特征注意力圖用于后續學生網絡的訓練；

S2、構造作為學生網絡的去霧網絡，去霧網絡由殘差塊與兩層卷積組成，用SmoothL1損失函數約束殘差塊輸出不同維度的第二中間層特征圖、第二特征注意力圖去擬合自編碼器網絡中提取出來的第一中間層特征圖、第一特征注意力圖，并將擬合后得到的第三特征注意力圖作為權重對相應特征進行增強操作；

S3、使用多組成對的相同圖像作為教師網絡的輸入和標簽，對教師網絡進行訓練操作；

S4、使用多組成對的霧圖與清晰圖像作為學生網絡的輸入和標簽，對學生網絡進行優化訓練；

S5、使用Smooth L1損失函數作為教師網絡與學生網絡中標簽與去霧結果間的損失函數，同時使用SSIM損失函數作為第一中間層特征圖與第二中間層特征圖之間的損失函數，使用Smooth L1損失函數作為第一注意力圖與第二注意力圖間的損失函數，SSIM損失函數與Smooth L1損失函數共同作用對學生網絡進行訓練；

S6、對學生網絡中的數據集進行增量操作，提高去霧網絡對其他數據的去霧能力。