[發明專利]基于多尺度融合的無監督去雨方法、系統、裝置及介質

在審

• 申請號: 202110515593.5
• 申請日: 2021-05-12
• 公開（公告）號: CN113393385A
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 查雁南;王世安
• 申請（專利權）人: 廣州工程技術職業學院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/08;G06K9/62
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 黎揚鵬

1.一種基于多尺度融合的無監督去雨方法，其特征在于，包括：

對帶雨圖像進行預處理，確定多個尺度的微去雨圖像；

根據所述微去雨圖像和對抗模型，確定不同尺度微去雨圖像對應的干凈圖像；

對所述干凈圖像進行上采樣，確定上采樣圖像；

根據當前尺度上采樣圖像與上一尺度干凈圖像之間的重構誤差，確定所述對抗模型的損失函數；

對所述損失函數進行迭代，根據損失函數對所述對抗模型的參數進行更新，直至所述對抗模型收斂。

2.根據權利要求1所述的基于多尺度融合的無監督去雨方法，其特征在于，所述對帶雨圖像進行預處理，確定多個尺度的微去雨圖像，包括：

沿所述帶雨圖像的主方向作一維高斯卷積，確定初始微去雨圖像；

對所述初始微去雨圖像進行下采樣，確定采樣結果；

沿所述主方向對所述采樣結果作一維高斯卷積，確定下一尺度的微去雨圖像。

3.根據權利要求1所述的基于多尺度融合的無監督去雨方法，其特征在于，所述主方向的確定步驟包括：

計算所述帶雨圖像中每個像素點中雨滴的梯度方向；

根據所述梯度方向的均值，確定所述帶雨圖像的主方向。

4.根據權利要求1所述的基于多尺度融合的無監督去雨方法，其特征在于，所述對抗模型具體包括生成器和判別器；

所述生成器用于根據所述微去雨圖像，生成與該尺度微去雨圖像對應的干凈圖像；

所述判別器用于對所述干凈圖像進行判定，并輸出判定結果。

5.根據權利要求3所述的基于多尺度融合的無監督去雨方法，其特征在于，所述根據當前尺度上采樣圖像與上一尺度干凈圖像之間的重構誤差，確定所述對抗模型的損失函數，包括：

所述對抗模型的損失函數為：

其中，L為所述損失函數，i為所述微去雨圖像的尺度序號，為第i+1尺度的上采樣圖像與第i尺度微去雨圖像之間的重構誤差，為第i尺度對應的生成對抗損失。

6.根據權利要求4所述的基于多尺度融合的無監督去雨方法，其特征在于，所述生成對抗損失具體為：

其中，E代表數學期望，D_i代表所述判別器，G_i代表所述生成器，J_i代表不同尺度的所述微去雨圖像，I_c代表所述微去雨圖像對應的所述干凈圖，c代表所述干凈圖的序號。

7.根據權利要求3所述的基于多尺度融合的無監督去雨方法，其特征在于，所述生成器包括卷積層、激活層和正則化層。

8.一種基于多尺度融合的無監督去雨系統，其特征在于，包括：

預處理模塊，用于對帶雨圖像進行預處理，確定多個尺度的微去雨圖像；

去雨模塊，用于根據所述微去雨圖像和對抗模型，確定不同尺度微去雨圖像對應的干凈圖像；

損失函數構造模塊，用于對所述干凈圖像進行上采樣，確定上采樣圖像；并用于根據當前尺度上采樣圖像與上一尺度干凈圖像之間的重構誤差，確定所述對抗模型的損失函數；

模型訓練模塊，用于對所述損失函數進行迭代，根據損失函數對所述對抗模型的參數進行更新，直至所述對抗模型收斂。

9.一種裝置，其特征在于，包括：

至少一個處理器；

至少一個存儲器，用于存儲至少一個程序；

當所述至少一個程序被所述至少一個處理器執行，使得所述至少一個處理器實現如權利要求1-7中任一項所述的基于多尺度融合的無監督去雨方法。

10.一種計算機存儲介質，其中存儲有處理器可執行的程序，其特征在于，所述處理器可執行的程序在由所述處理器執行時用于實現如權利要求1-7任一項所述基于多尺度融合的無監督去雨方法。