[發明專利]一種基于多尺度卷積的加權融合圖像去霧方法及裝置

在審

• 申請號: 202110975115.2
• 申請日: 2021-08-24
• 公開（公告）號: CN113628143A
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 劉學亮;洪日昌;汪萌;孫樂璇
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京睿智保誠專利代理事務所(普通合伙) 11732
• 代理人: 韓迎之

本發明公開了一種基于多尺度卷積的加權融合圖像去霧方法及裝置，應用于圖像處理技術領域，包括：構建圖像去霧模型；獲取成對的有霧圖像數據及無霧圖像數據，利用所述編碼器對所述有霧圖像數據進行處理，得到對應的第一特征圖；基于多個所述特征提取模塊及所述通道加權融合模塊實現對所述第一特征圖的轉換及去霧；將經過上述步驟得到的結果利用所述編碼器進行轉換，并輸出最終的無霧圖像。本發明提供了一種基于多尺度卷積的加權融合圖像去霧方法及裝置，通過設置多個加權融合模塊能夠平衡整個網絡的權重信息，通過應用多尺度卷積提取來自多尺度特征信息，可以在不應用上采樣和下采樣的情況下從不同尺度提取圖像特征，避免了圖像失真。

技術領域

本發明涉及圖像處理技術領域，更具體的說是涉及一種基于多尺度卷積的加權融合圖像去霧方法及裝置。

背景技術

目前，霧是由水汽、灰塵、煙等粒子所形成的一種傳統的大氣現象。在視覺成像過程中，霧會使視覺系統所處理的圖像模糊、對比度降低、飽和度偏差，更會增加后續分類、識別、檢測和跟蹤等視覺分析任務的難度，甚至導致相關視覺任務失敗。

但是，現有的圖像去霧算法主要分為三種類別：第一種是將圖像去霧作為圖像處理的一個子任務，在圖像去噪過程中，對圖像進行增強和去霧；第二種是基于大氣散射模型，其中假設室外無霧圖像通常在至少一個通道中具有低強度值，第三種是基于卷積神經網絡(CNN)，一些研究人員利用神經網絡來估計大氣散射模型的參數，而其他研究人員則轉向尋找基于學習網絡的端到端的方式直接輸出去無霧圖像。雖然上述方法取得了一定的效果，但仍然存在如下問題：(1)圖像中存在霧度分布不均的情況，這導致去霧的效果也不甚理想；(2)生成的無霧圖像存在像素失真的情況.

因此，如何提供一種能夠解決上述問題的圖像去霧方法是本領域技術人員亟需解決的問題。

發明內容

有鑒于此，本發明提供了一種基于多尺度卷積的加權融合圖像去霧方法及裝置，通過設置多個加權融合模塊能夠平衡整個網絡的權重信息，通過應用多尺度卷積提取來自多尺度特征信息，可以在不應用上采樣和下采樣的情況下從不同尺度提取圖像特征，避免了圖像失真。

為了實現上述目的，本發明采用如下技術方案：

一種基于多尺度卷積的加權融合圖像去霧方法，包括：

步驟1：構建圖像去霧模型，其中，所述圖像去霧模型包括依次連接的編碼器、多個特征提取模塊、信道加權融合模塊及解碼器；

步驟2：獲取成對的有霧圖像數據及無霧圖像數據，利用所述編碼器對所述有霧圖像數據進行處理，得到對應的第一特征圖；

步驟3：基于多個所述特征提取模塊及所述通道加權融合模塊實現對所述第一特征圖的轉換及去霧；

步驟4：將經過所述步驟3得到的結果利用所述編碼器進行轉換，并輸出最終的無霧圖像。

優選的，所述步驟4還包括：對所述輸出的無霧圖像進行評估。

優選的，所述特征提取模塊包括依次連接的多個多尺度卷積殘差塊以及空間加權融合模塊。

優選的，所述步驟3包括：

步驟31：將所述第一特征圖輸入多個所述多尺度卷積殘差塊，得到多個部分特征圖；

步驟32：將多個所述部分特征圖輸入所述空間加權融合模塊，進行拼接融合同時得到對應的空間權重，將所述空間權重與所述第一特征圖進行相乘；

步驟33：將多個所述部分特征圖輸入所述信道加權融合模塊進行通道加權，并將加權結果與所述步驟32得到的相乘結果進行融合。

優選的，所述步驟4具體包括：利用所述解碼器將所述步驟33得到的融合結果進行轉換，并將轉換結果與所述有霧圖像數據相加得到最終的無霧圖像。