[發明專利]一種基于神經網絡的單一圖像去霧方法及系統

在審

• 申請號: 202211242330.2
• 申請日: 2022-10-11
• 公開（公告）號: CN116152080A
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 王勇;邊宇霄;李新潮
• 申請（專利權）人: 吉林大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50;G06V10/77;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 符繼超

1.一種基于神經網絡的單一圖像去霧方法，其特征在于，包括：

S1、獲取目標環境有霧圖像；

S2、對所述目標環境有霧圖像進行預處理，并在預處理期間對所述目標環境有霧圖像進行特征提取，獲得第一特征；

S3、依次通過多種尺度卷積核和編碼-解碼器對預處理后的目標環境有霧圖像進行特征提取，獲得第二特征；

S4、對所述第一特征和第二特征進行映射處理，獲得映射圖；

S5、將S1中的目標環境有霧圖像與所述映射圖進行concat連接，并基于卷積層獲得合并參數估計值；

S6、將所述合并參數估計值輸入到合并參數模型中，輸出去霧圖像。

2.如權利要求1所述的一種基于神經網絡的單一圖像去霧方法，其特征在于，所述S2具體包括：

對所述目標環境有霧圖像進行尺度轉換；

將尺度轉換后的目標環境有霧圖像分成尺寸相同的兩部分圖像；

分別對所述兩部分圖像進行特征提取，獲得第一特征；在特征提取過程中采集卷積核對所述兩部分圖像進行卷積處理；

將卷積處理后的兩部分圖像合并成完整圖像。

3.如權利要求2所述的一種基于神經網絡的單一圖像去霧方法，其特征在于，對所述兩部分圖像進行卷積處理中，非線性的激活函數采用PRelu函數。

4.如權利要求1所述的一種基于神經網絡的單一圖像去霧方法，其特征在于，在所述S3中，通過多種尺度卷積核對預處理后的目標環境有霧圖像進行特征提取時，在每個卷積層后加入池化層和采樣層。

5.如權利要求1所述的一種基于神經網絡的單一圖像去霧方法，其特征在于，所述S4具體包括：

基于所述第一特征和第二特征獲得特征圖；

通過卷積層、池化層和上采樣層對所述特征圖進行映射處理，獲得預設尺寸大小的映射圖。

6.如權利要求1所述的一種基于神經網絡的單一圖像去霧方法，其特征在于，所述合并參數模型表示為：

J(x)＝K(x)*I(x)-K(x)+b

其中，x表示圖像；I(x)表示目標環境有霧圖像；J(x)表示去霧后圖像；K(x)表示合并參數估計值；b表示固定偏差值。

7.如權利要求1所述的一種基于神經網絡的單一圖像去霧方法，其特征在于，所述合并參數模型的損失函數表示為：

其中，J(x)表示已知的去霧后圖像；表示合并參數模型輸出的去霧圖像；表示合并參數估計值；I(x)表示目標環境有霧圖像；b表示固定偏差值。

8.一種基于神經網絡的單一圖像去霧系統，其特征在于，應用上述權利要求1-7任一項所述的基于神經網絡的單一圖像去霧方法；該系統包括：輸入模塊、預處理模塊、主干模塊、后處理模塊和輸出模塊；

所述輸入模塊，用于獲取目標環境有霧圖像；

所述預處理模塊，用于對所述目標環境有霧圖像進行預處理并在預處理期間對所述目標環境有霧圖像進行特征提取，獲得第一特征；

所述主干模塊，用于依次通過多種尺度卷積核和編碼-解碼器對預處理后的目標環境有霧圖像進行特征提取，獲得第二特征；

所述后處理模塊，用于對所述第一特征和第二特征進行映射處理，獲得映射圖；以及將目標環境有霧圖像與所述映射圖進行concat連接，并基于卷積層獲得合并參數估計值；

所述輸出模塊，用于將所述合并參數估計值輸入到合并參數模型中，輸出去霧圖像。