[发明专利]图像去雾方法、装置及计算机可读存储介质

权利要求书

1.一种图像去雾方法，其特征在于，所述方法包括：

获取目标带雾图像，所述目标带雾图像为待去雾的图像；

获取去雾图像训练集，所述去雾图像训练集包括N个不带雾样本图像和N个带雾样本图像，所述N为大于或等于1的正整数；

基于生成网络模型，对所述N个带雾样本图像进行处理，得到N个去雾样本图像，基于判别网络模型，对所述N个去雾样本图像和所述N个不带雾样本图像进行处理，得到2N个概率值，所述生成网络模型为对抗网络模型中进行图像去雾的网络模型，所述判别网络模型为所述对抗网络模型中用于确定图像去雾准确率的网络模型，且所述判别网络模型进行预设训练次数训练后，进行一次生成网络模型的训练；

将所述对抗网络模型最初包括的判别网络模型作为训练对象，从2N个概率值中获取预设数量的概率值，并基于获取的预设数量的概率值和第一预设损失函数，确定预设数量个损失值；基于第一预设损失函数，对当前的训练对象中的各个参数进行偏导运算，得到各个参数的偏导函数；基于预设数量个损失值和各个参数的偏导函数，确定各个参数的偏导值；采用随机梯度下降法，基于各个参数的偏导值确定更新后的各个参数，基于更新后的各个参数更新当前的训练对象；当训练次数未达到预设训练次数时，将更新后的判别网络模型作为训练对象，并返回从2N个概率值中获取预设数量的概率值的步骤，直至训练次数达到预设训练次数时，完成对判别网络模型的训练；基于所述N个去雾样本图像和第二预设损失函数，对所述生成网络模型进行训练，得到训练后的生成网络模型，且每次从2N个概率值中获取的预设数量的概率值都与之前获取的概率值不完全相同；

从所述N个带雾样本图像中选择一个带雾样本图像，基于所述训练后的生成网络模型，对选择带雾样本图像进行处理，得到选择的带雾样本图像对应的去雾样本图像；

基于所述训练后的判别网络模型，对选择的带雾样本图像对应的去雾样本图像进行处理，得到一个概率值；当得到的概率值不为预设概率时，将所述训练后的生成网络模型作为所述生成网络模型，将所述训练后的判别网络模型作为所述判别网络模型，并返回所述基于生成网络模型，对所述N个带雾样本图像进行处理，得到N个去雾样本图像的步骤，直至得到的概率值为所述预设概率时，将最终训练得到的生成网络模型确定为去雾网络模型；

基于去雾网络模型，对所述目标带雾图像进行去雾处理，所述去雾网络模型为对对抗网络模型进行训练后得到。

2.如权利要求1所述的方法，其特征在于，所述第一预设损失函数如下：

其中，所述G表示所述生成网络模型，所述D表示所述判别网络模型，所述x表示所述N个不带雾样本图像中任一不带雾样本图像，所述D(x)为所述2N个概率值中的任一概率值，所述z表示所述N个带雾样本图像中任一带雾样本图像，所述G(z)表示所述N个去雾样本图像中任一去雾样本图像，所述x_ij表示所述任一不带雾样本图像中坐标为(i，j)的像素点的灰度值，所述表示所述任一去雾样本图像中与坐标为(i，j)的像素点相邻的像素点的灰度值。

3.如权利要求1或2所述的方法，其特征在于，所述第二预设损失函数如下：

其中，所述G表示所述生成网络模型，所述z表示所述N个带雾样本图像中任一带雾样本图像，所述G(z)表示所述N个去雾样本图像中任一去雾样本图像，所述x_ij表示任一不带雾样本图像中坐标为(i，j)的像素点的灰度值，所述表示所述任一去雾样本图像中与坐标为(i，j)的像素点相邻的像素点的灰度值。

4.如权利要求1所述的方法，其特征在于，所述获取去雾图像训练集，包括：

对目标不带雾样本图像进行多次复制，得到所述N个不带雾样本图像，所述目标不带雾样本图像是指任一不带雾图像；

对所述N个不带雾样本图像进行加雾处理，得到带雾情况不同的所述N个带雾样本图像；

将所述N个不带雾样本图像和所述N个带雾样本图像合并为所述去雾图像训练集。