[发明专利]一种基于深度学习的单幅图像去雾方法

权利要求书

1.一种单幅图像去雾的方法，其步骤包括：

A.散射效果消除，获得实现方法为：

A1.将待处理的图像数据作为输入数据，该输入数据用I表示，进行卷积Conv1操作，其中Conv1(I)＝W₁I+B₁；W₁是该卷积层神经元的参数，B₁是偏置量；

A2.将卷积操作后的图像的每个像素点的值进行ReLU操作处理，之后输出，其中ReLU(x)＝max(x,0)，即当该值小于或等于0时，处理结果为0，当该值取值大于0时，处理结果为原数值不变；得到图像数据

B.大气光影响计算，获得实现方法为：

B1.将步骤A处理后获得的的图像数据作为输入数据，该输入数据用I′表示，对其进行卷积Conv2操作，其中Conv2操作是Conv2(I)＝W₂I′+B₂；W₂是该卷积层神经元的参数，B₂是偏置量；

B2.将卷积操作后的图像的每个像素点的值进行ReLU操作处理，之后输出，其中ReLU(x)＝max(x,0)，即当该值小于或等于0时，处理结果为0，当该值取值大于0时，处理结果为原数值不变；将处理后的图像数据表示为I″；

B3.进行Conv3操作，其中Conv3操作是Conv3(I″)＝W₃I″+B₃；W₃是该卷积层神经元的参数，B₃是偏置量；

B4.将卷积操作后的图像的每个像素点的值进行ReLU操作处理，之后输出，其中ReLU(x)＝max(x,0)，即当该值小于或等于0时，处理结果为0，当该值取值大于0时，处理结果为原数值不变；得到图像数据

C.融合操作，实现方法为：

C1.将A步骤获得的结果与B步骤获得的结果相加，即获得根据公式得到无雾高清图像J(x,y)。

2.如权利要求1所述的单幅图像去雾的方法，其特征在于，在最终输出图像前做一个微调，具体步骤如下：

D1.将步骤C处理后获得的图像数据作为输入数据，该输入数据用I″′表示，对其进行卷积Conv4操作，其中为Conv4(I″′)＝W₄I″′+B₄，W₄是该卷积层神经元的参数，B₄是偏置量；

D2.将卷积操作的结果的每个像素点的值进行Sigmoid操作处理，其中Sigmoid操作为：

3.如权利要求1或2所述的单幅图像去雾的方法，其特征在于，所述步骤中的参数W₁、B₁、W₂、B₂、W₃、B₃、W₄、B₄均使用机器学习方法训练迭代后获得。

4.如权利要求3所述的单幅图像去雾的方法，其特征在于，所述机器学习方法训练迭代的具体实现方法为：在Linux服务器上基于Caffe开源框架，采用SGD优化策略进行训练迭代若干个10000次，每迭代若干个100次参数，就基于MSE方法计算一次损失函数值loss，最后将loss值最低时的参数值作为参数W₁、B₁、W₂、B₂、W₃、B₃、W₄、B₄的值。