[发明专利]一种基于多尺度卷积神经网络的单幅户外图像去雾方法

说明书

本发明公开了一种基于多尺度卷积神经网络的单幅户外图像去雾方法，属于计算机视觉领域。本发明包括以下步骤：根据大气散射模型，构造训练样本集；基于深度学习思想，搭建多尺度卷积神经网络；依据所搭建的多尺度卷积神经网络，构造目标函数；基于构造的目标函数，训练多尺度卷积神经网络。本发明无需获取户外图像的先验知识，并可有效地保存图像的边缘、纹理、色彩、对比度和饱和度等信息。

技术领域

本发明属于计算机视觉领域，尤其是涉及一种基于多尺度卷积神经网络的单幅户外图像去雾方法。

背景技术

雾是由水汽、灰尘、烟等粒子所形成的一种传统的大气现象。雾会使视觉系统所处理的图像模糊、对比度降低、饱和度偏差，更会阻碍分类、识别、检测和跟踪等视觉任务的进行，甚至导致相关视觉任务失败。因此，如何从户外图像中将雾去除成为计算机视觉领域的难题，并受到学者们的广泛关注。

已有去雾方法所处理的信息类型主要有两种：户外视频和单幅户外图像。基于户外视频的去雾方法相对较少，主要原因为基于视频的去雾方法首先需将视频分割成若干视频帧，然后再依次对分割后的视频帧进行去雾，其本质上还是对单幅户外图像进行处理。因此，现有的去雾方法一般都基于单幅户外图像实现。同时，已有的基于单幅户外图像的去雾方法存在需预先获取先验知识，边缘和纹理丢失，色彩、对比度和饱和度失真等问题。K.M.He和J.Sun在文章“Single image haze removal using dark channelprior.Proceedings of the IEEE Conference on Computer Vision and PatternRecognition Workshops:IEEE Computer Society,2009:1956-1963”中所提出的基于暗通道先验的去雾方法是雾去除领域最经典的方法之一，但是该方法需预先获取图像的先验知识。陈书贞和任占广在文章“基于改进暗通道先验和导向滤波的单幅图像去雾算法.自动化学报.2016,42(3):455-465”中所提出的基于改进的暗通道先验去雾方法存在暗通道阈值和混合暗通道亮度最大值均不能自适应地选取，且去雾后的图像色彩失真等问题。C.Z.He和C.D.Zhang在文章“A haze density aware adaptive perceptual single image hazeremoval algorithm.Proceedings of the IEEE International Conference onInformation and Automation,IEEE Computer Society,2016:1933-1938”中所提方法在去雾后图像边缘和纹理信息恢复程度有待提高。B Cai和X Xu在文章“DehazeNet:An End-to-End System for Single Image Haze Removal.IEEE Transactions on ImageProcessing,2016,25(11):5187-5198”中所提出的方法存在对比度低、饱和度低和边缘信息失真等问题。Z.G.Ling和G.F.Fan在文章“Perception oriented transmissionestimation for high quality image dehazing.Neurocomputing,2017,224(2):82-95”中所提出的方法存在对比度和饱和度失真等问题。Z.G.Li和H.Jing在文章“Single ImageDe-Hazing Using Globally Guided Image Filtering.IEEE Transactions on ImageProcessing,2018,27(1):442-450”中所提出的方法去雾后的户外图像色彩失真且对比度较低。

发明内容

针对已有单幅户外图像去雾方法存在的问题，本发明的目的是提出了一种基于多尺度卷积神经网络的单幅户外图像去雾方法，通过搭建用于去雾的多尺度卷积神经网络，获取有雾图像和无雾图像之间映射关系，并训练所搭建的多尺度卷积神经网络，逐步优化网络中的参数，从而达到对任意单幅户外图像去雾的目的。