[发明专利]一种基于神经网络的图像雾浓度估计方法、系统和终端

权利要求书

1.一种基于神经网络的图像雾浓度估计方法，其特征在于，包括：

采用卷积神经网络自动提取待测图像的特征；

将提取的待测图像的所述特征采用最大池化层与卷积层进行特征映射；

计算映射后的所述特征中的最大值和平均值，并将两者进行融合；

对于融合后的特征进行激活；

对激活得到的特征取平均，得到的结果为最后整幅图像的雾浓度。

2.根据权利要求1所述的基于神经网络的图像雾浓度估计方法，其特征在于，所述采用卷积神经网络自动提取待测图像的特征，包括：

所述卷积神经网络以自动学习的方式提取图像特征，其中使用5×5、1×1卷积核相连接，用于提取雾相关特征具体公式如下：

i,j＝1,2,…,24, (5)

其中，I是输入的雾图像,w₁、w₂，b₁、b₂是待学习卷积核参数，w₁为5×5大小的卷积核，w₂为1×1大小的卷积核，为提取的特征，h是中间特征，b₁,b₂是偏置，i,j是索引。

3.根据权利要求1所述的基于神经网络的图像雾浓度估计方法，其特征在于，所述将提取的待测图像的特征采用最大池化层与卷积层进行特征映射，其公式如下：

i＝1,2,…24, (8)

n＝1,2,…48, (9)

其中，γ_r(2y)为以2y为中心、r为半径的滑窗，b₃为偏置，g为中间特征，w₃为5×5卷积核，为映射后的特征，i,n是索引。

4.根据权利要求1所述的基于神经网络的图像雾浓度估计方法，其特征在于，所述计算映射后的特征中的最大值和平均值，具体公式如下：

n＝1,2,…48, (12)

其中和分别为提取到的最大值和平均值，γ_r(y)为以y为中心、r为半径的滑窗,n是索引。

5.根据权利要求4所述的基于神经网络的图像雾浓度估计方法，其特征在于，所述将两者进行融合，采用自动学习的权重进行融合，其公式如下：

F₃＝w₄*F_avg+w₅*F_max+b₄, (13)

其中F₃为融合后的特征，w₄,w₅为卷积核，F_avg为平均值，F_max为最大值，b₄为偏置。

6.根据权利要求4所述的基于神经网络的图像雾浓度估计方法，其特征在于，所述对于融合后的特征进行激活，是指对于融合后的特征，采用Sigmoid激活函数进行激活，具体公式如下：

F₄＝σ(F₃), (15)

其中F₄为激活后的特征，e为自然对数，F₃为融合后的特征。

7.根据权利要求1-6任一项所述的基于神经网络的图像雾浓度估计方法，其特征在于，在所述采用卷积神经网络自动提取待测图像的特征之前，还包括：对所述卷积神经网络进行训练，获得一个端到端的雾浓度预测用卷积神经网。