[发明专利]基于轻量级残差网络图像去雾的目标识别方法及系统

说明书

本申请公开了基于轻量级残差网络图像去雾的目标识别方法及系统，包括：获取待识别图像；将待识别图像，输入到预先训练好的轻量级残差网络中进行去雾处理，得到纯雾图像；将待识别图像与纯雾图像进行作差，得到去雾后的图像；将去雾处理后的图像，输入到预先训练好的目标识别网络中，得到目标识别结果。

技术领域

本申请涉及图像处理技术领域，特别是涉及基于轻量级残差网络图像去雾的目标识别方法及系统。

背景技术

本部分的陈述仅仅是提到了与本申请相关的背景技术，并不必然构成现有技术。

雾天的时候，弥漫在空气的雾气和尘埃模糊了人们的视线，人们拍摄的图像中包含大量的雾图信息，导致图像的背景信息高度模糊，进而影响人们观察的视觉效果或者后续算法的处理效果。深度残差网络通过捷径连接的方式在加快计算速度的同时又使得算法具有良好的表现效果，如今这种方法被人们广泛所采用。

发明人发现，现有的方法需要大量的正负样本(即带雾图像和不带雾的图像)来训练网络并且设计的网络相对比较复杂，如何使用较少的样本与设计一个较为简单的网络即可训练出去雨效果良好的方法是本领域的技术人员亟待解决的问题。

发明内容

为了解决现有技术的不足，本申请提供了基于轻量级残差网络图像去雾的目标识别方法及系统；

第一方面，本申请提供了基于轻量级残差网络图像去雾的目标识别方法；

基于轻量级残差网络图像去雾的目标识别方法，包括：

获取待识别图像；

将待识别图像，输入到预先训练好的轻量级残差网络中进行去雾处理，得到纯雾图像；将待识别图像与纯雾图像进行作差，得到去雾后的图像；

将去雾处理后的图像，输入到预先训练好的目标识别网络中，得到目标识别结果。

第二方面，本申请提供了基于轻量级残差网络图像去雾的目标识别系统；

基于轻量级残差网络图像去雾的目标识别系统，包括：

获取模块，其被配置为：获取待识别图像；

去雾模块，其被配置为：将待识别图像，输入到预先训练好的轻量级残差网络中进行去雾处理，得到纯雾图像；将待识别图像与纯雾图像进行作差，得到去雾后的图像；

目标识别模块，其被配置为：将去雾处理后的图像，输入到预先训练好的目标识别网络中，得到目标识别结果。

第三方面，本申请还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述第一方面所述的方法。

第四方面，本申请还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。

第五方面，本申请还提供了一种计算机程序(产品)，包括计算机程序，所述计算机程序当在一个或多个处理器上运行的时候用于实现前述第一方面任意一项的方法。

与现有技术相比，本申请的有益效果是：

通过神经网络单元与神经网络单元之间的依次连接和跨单元连接，实现了前一个神经网络单元提取的特征值，被后续多个神经网络单元再次利用，前一个神经网络单元提取的特征提取的特征在剩余神经网络单元之间得到了共享，进而实现了特征的扩充，实现了特征的重复利用，避免了因样本少而带来的训练程度不足的问题。

通过较少的正负样本和构建一个轻量级的网络即可训练出去除雾图效果良好的神经网络用于提升目标识别的准确性和误检率。