[发明专利]基于BP神经网络的单一图像去雾方法及装置

权利要求书

1.一种基于BP神经网络的单一图像去雾方法，其特征在于，具体包括以下步骤：

获取多个无雾图像信息并计算得到对应的有雾图像；

结合所述有雾图像的RGB值作为输入以及所述有雾图像的场景深度作为输出，构造BP神经网络模型并在训练后的BP神经网络模型中建立有雾图像及其场景深度之间的映射关系；

根据所述映射关系，利用所述训练后的BP神经网络模型将一待去雾的有雾图像作为输入，计算得到所述待去雾的有雾图像的场景深度；

根据所述待去雾的有雾图像的所述场景深度计算得到去雾后的无雾图像。

2.根据权利要求1所述的单一图像去雾方法，其特征在于，所述训练后的BP神经网络模型中建立有雾图像及其场景深度之间的映射关系具体包括：设定误差阈值、期望值和训练次数，以训练样本集作为所述BP神经网络的输入，当输出的所述有雾图像的场景深度与所述期望值之间的误差小于设定的所述误差阈值或达到所述训练次数，由此建立完成所述映射关系。

3.根据权利要求2所述的单一图像去雾方法，其特征在于，通过所述无雾图像计算获得所述无雾图像的随机深度图，再利用大气散射模型计算生成所述有雾图像，由所述无雾图像、所述随机深度图和生成的所述有雾图像组成所述训练样本集。

4.根据权利要求1所述的单一图像去雾方法，其特征在于，所述根据所述待去雾的有雾图像的场景深度计算得到去雾后的无雾图像具体步骤为：根据所述待去雾的有雾图像的所述场景深度计算大气光照度，并且利用大气散射模型计算得到去雾后的无雾图像。

5.一种基于BP神经网络的单一图像去雾装置，其特征在于，包括：

图像采集模块，用于获取多个无雾图像信息并计算得到对应的有雾图像；

神经网络计算模块，与所述图像采集模块连接，用于结合所述有雾图像的RGB值作为输入以及所述有雾图像的场景深度作为输出，构造BP神经网络模型并在训练后的BP神经网络模型中建立有雾图像及其场景深度之间的映射关系；

图像计算模块，与所述神经网络计算模块连接；根据所述映射关系，利用所述训练后的BP神经网络模型将一待去雾的有雾图像作为输入，计算得到所述待去雾的有雾图像的场景深度；

图像输出模块，与所述图像计算模块连接，用于根据所述待去雾的有雾图像的所述场景深度计算得到去雾后的无雾图像。

6.根据权利要求5所述的单一图像去雾装置，其特征在于，所述神经网络计算模块还包括：设定误差阈值、期望值和训练次数，以训练样本集作为所述BP神经网络的输入，当输出的所述有雾图像的场景深度与所述期望值之间的误差小于设定的所述误差阈值或达到所述训练次数，由此建立完成所述映射关系。

7.根据权利要求6所述的单一图像去雾装置，其特征在于，所述图像计算模块还包括：通过所述无雾图像计算获得所述无雾图像的随机深度图，再利用大气散射模型计算生成所述有雾图像，由所述无雾图像、所述随机深度图和生成的所述有雾图像组成所述训练样本集。

8.根据权利要求5所述的单一图像去雾装置，其特征在于，所述图像输出模块还包括：根据所述待去雾的有雾图像的所述场景深度计算大气光照度，并且利用大气散射模型计算得到去雾后的无雾图像。