[发明专利]一种融合特征金字塔的生成对抗网络图像去雾方法

权利要求书

1.一种融合特征金字塔的生成对抗网络图像去雾方法，其特征是，包括如下步骤：

将有雾图像输入预先训练好的生成对抗网络，获取与有雾图像相对应的无雾图像；

所述生成对抗网络的生成器网络融合有特征金字塔。

2.根据权利要求1所述的融合特征金字塔的生成对抗网络图像去雾方法，其特征是，生成对抗网络的判别器网络包括顺序连接的卷积激活层、编码单元提取特征层、全连接层、sigmoid激活层，所述编码单元提取特征层不少于两个且彼此串联。

3.根据权利要求1所述的融合特征金字塔的生成对抗网络图像去雾方法，其特征是，所述生成器网络包括顺序连接的骨干网络、特征金字塔、图像重建网络；

所述无雾图像的获取方法，包括：

骨干网络对所输入的有雾图像进行特征提取；

特征金字塔对所提取的特征进行特征融合；

图像重建网络对所融合的特征进行还原，输出与有雾图像相对应的无雾图像。

4.根据权利要求3所述的融合特征金字塔的生成对抗网络图像去雾方法，其特征是，所述骨干网络采用预先训练好的MobileNet-V2网络；

骨干网络对所输入的有雾图像进行特征提取，包括：MobileNet-V2网络响应于所输入的有雾图像，输出不少于两个不同尺度的特征图。

5.根据权利要求4所述的融合特征金字塔的生成对抗网络图像去雾方法，其特征是，在特征金字塔对所提取的特征进行特征融合之前，还包括：对MobileNet-V2网络所输出的特征图进行1*1卷积运算。

6.根据权利要求1所述的融合特征金字塔的生成对抗网络图像去雾方法，其特征是，生成对抗网络的训练方法，包括：

基于预获取的不少于两张有雾图像以及与之相对应的无雾图像，构建训练样本集；

以判别器网络的损失函数趋向于0.5、生成器网络的损失函数趋向于0为目标，将训练样本集中的图像输入生成对抗网络对其进行训练，直至获取训练好的生成对抗网络。

7.根据权利要求6所述的融合特征金字塔的生成对抗网络图像去雾方法，其特征是，判别器网络的损失函数，其表达式如下：

式中，L_D为判别器网络的损失函数，为判别器对于生成器生成的第i个生成图像的判别结果，D(I*)为判别器对于训练样本集中第i个标签图像的判别结果，N为训练样本集中图像的对数。

8.根据权利要求6所述的融合特征金字塔的生成对抗网络图像去雾方法，其特征是，生成器网络的损失函数，其表达式如下：

式中，L_G为生成器网络的损失函数，为生成器生成的第i个生成图像，为训练样本集中第i个标签图像，C为图像的通道，W×H为图像的尺寸，为判别器对于生成器生成的第i个生成图像的判别结果，D(I*)为判别器对于训练样本集中第i个标签图像的判别结果，N为训练样本集中图像的对数，λ为加权系数权重。

9.根据权利要求6所述的融合特征金字塔的生成对抗网络图像去雾方法，其特征是，在将训练样本集中的标签图像输入生成对抗网络对其进行训练之前，还包括：使用平均值为0和标准偏差为0.001的高斯分布随机初始化权重W_ji中的各项分量，令偏置B_ji为0。

10.根据权利要求9所述的融合特征金字塔的生成对抗网络图像去雾方法，其特征是，将训练样本集中的图像输入生成对抗网络对其进行训练，包括：

根据训练结果更新W_ji和B_ji；

将更新后的W_ji和B_ji代入损失函数；

重复W_ji和B_ji的更新和代入过程，直至判别器网络的损失函数为0.5，获取训练好的生成对抗网络。