[发明专利]一种基于深度学习的单幅图像去雾方法

说明书

本发明公布了一种基于深度学习的单幅图像去雾方法，属于图像处理领域。本发明根据成雾模型的公式I(x,y)＝T(x,y)J(x,y)+(1‑T(x,y))A，可以变换推导出公式利用深度卷积神经网络技术求得无雾高清图像J(x,y)。采用本发明图像去雾效果好；且采用矩阵加法操作，处理速度快。

技术领域

本发明提供了一种单幅图像去雾的方法，具体涉及一种基于深度学习的单幅图像去雾的方法。

背景技术

雾霾天气对无人机航拍作业的影响不容小觑。雾霾天气航拍形成的图像模糊不清，丧失了人们需要捕捉的信息。随着空气状况的恶化，人们对无人机航拍图像的去雾需求越来越高。

图像去雾问题是属于图像恢复问题，不是简单的图像增强技术能解决得了的。根据McCartney的成雾模型(E.J.McCartney,Optics of the atmosphere:scattering bymolecules and particles,New York,John Wiley and Sons,Inc.,1976.421p.,1976.)，原场景中的景物是经过空气中的水珠子或微颗粒折射或散射后被捕捉进入镜头的，空气中的大气光也会因为折射或散射而进入镜头，因此可用以下公式描述这个雾化原理：I(x,y)＝T(x,y)J(x,y)+(1-T(x,y))A。其中T(x,y)是表征透射和散射的一个因子，称之为透射率，A代表空气中的大气光，(1-T(x,y))A就是大气光被折射散射后进入镜头的干扰光，I(x,y)便是被镜头捕捉到的图像，J(x,y)代表原场景中的景色的图像，也是需要恢复的高清图像。雾霾的存在在该模型中可以看成T(x,y)被改变了，从而影响了镜头成像的清晰性。

发明内容

本发明的目的是提供一种新的图像去雾方法，用以解决将雾霾天气航拍视频图像恢复成高清无雾图像的问题。

本发明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，将该输入数据用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，处理完图像数据便得到

C.融合操作，实现方法为：