[发明专利]一种基于生成对抗网络的图像去雾方法

权利要求书

1.一种基于生成对抗网络的图像去雾方法，该方法包括以下步骤：

1)获取样本数据：通过公开的数据集或网络爬虫技术获取有雾图像和无雾图像的样本数据；

2)生成对抗网络的对抗训练：样本数据中的真实有雾图像作为第一生成器的输入数据，第一生成器生成一次无雾图像，第一生成器生成的一次无雾图像作为第二生成器的输入数据，第二生成器生成二次有雾图像；

样本数据中的真实无雾图像作为第二生成器的输入数据，第二生成器生成一次有雾图像，第二生成器生成的一次有雾图像作为第一生成器的输入数据，第一生成器生成二次无雾图像；

第一判别器判断一次有雾图像是来自第二生成器还是来自样本数据，并将一次有雾图像与样本数据中的真实有雾图像之间的第一误差反馈给第二生成器，第二生成器减小第一误差，提高生成图像的真实度；第二判别器判断一次无雾图像是来自第一生成器还是来自样本数据，并将一次无雾图像与样本数据中的真实无雾图像之间的第二误差反馈给第一生成器，第一生成器减小第二误差，提高生成图像的真实度；

第一生成器和第二生成器分别与第二判别器和第一判别器进行反复对抗训练，得到最优去雾网络模型；

3)图像去雾：利用训练完成的最优去雾生成网络模型对有雾图像进行去雾，输入有雾图像，输出该图像去雾后的无雾图像；

步骤2)中所述一次有雾图像与样本数据中的真实有雾图像之间的第一误差的计算方法具体为：

a)计算第一判别器产生的损失

式(1)中y为标签，取值为{0，1}，为判别器预测值；

b)计算对第二生成器进行约束的色调约束L_Hue(I)：

式(2)中r，g，b为图像去雾后三个通道的归一化值，W表示输出图像的宽度，H表示输出图像的高度，I表示式(2)的输入参数；

c)定义样本数据的生成对抗网络的损失，由式(1)和(2)可得：

式(3)中X表示样本数据中的真实有雾图像，Y表示样本数据中的真实无雾图像，F表示第二生成器，D_X表示第一判别器，F(Y)为第二生成器F生成的一次有雾图像，N为样本数据中真实有雾图像的个数，λ为比例系数，l₁为正则项对权重约束，λ₁为系数。

2.根据权利要求1所述的方法，其特征在于：步骤2)中所述一次无雾图像与样本数据中的真实无雾图像之间的第二误差的计算方法具体为：

a)计算第二判别器产生的损失

式(4)中y为标签，取值为{0，1}，为判别器预测值；

b)计算对第一生成器进行约束的色调约束L_Hue(I)：

式(2)中r，g，b为图像去雾后三个通道的归一化值，W表示输出图像的宽度，H表示输出图像的高度，I表示式(2)的输入参数；

c)定义样本数据的生成对抗网络的损失，由式(4)和(2)可得：

式(5)中X表示样本数据中的真实有雾图像，Y表示样本数据中的真实无雾图像，G表示第一生成器，D_Y表示第二判别器，G(X)表示第一生成器G生成的一次无雾图像，M为样本数据中真实无雾图像的个数，λ为比例系数，l₁为正则项，λ₁为系数。

3.根据权利要求1或2所述的方法，其特征在于：样本数据中的真实有雾图像和第二生成器生成的二次有雾图像之间的循环损失为：

式(6)中X表示样本数据中的真实有雾图像，G表示第一生成器，F表示第二生成器，C表示输出图像的通道数，W表示输出图像的宽度，H表示输出图像的高度，F(G(X))表示第二生成器F生成的二次有雾图像。

4.根据权利要求3所述的方法，其特征在于：样本数据中的真实无雾图像和第一生成器生成的二次无雾图像之间的循环损失为：

式(7)中Y表示样本数据中的真实无雾图像，G表示第一生成器，F表示第二生成器，C表示输出图像的通道数，W表示输出图像的宽度，H表示输出图像的高度，G(F(Y))表示第一生成器G生成的二次无雾图像。