[发明专利]一种基于灰度世界自引导网络的单幅沙尘图像恢复方法

说明书

本发明公开了一种基于灰度世界自引导网络的单幅沙尘图像恢复方法，具体按照如下步骤进行，首先获取图像数据集，对图像数据集中的每个图像进行归一化处理，得到训练集；再构建生成对抗网络模型，生成对抗网络模型包括生成网络和判别网络，生成网络；利用训练集对所述生成对抗网络模型进行训练，得到训练后的生成对抗网络模型；将沙尘图像输入所述训练后的生成对抗网络模型中，得到的恢复后的图像。本发明通过不同的损失函数对沙尘图像恢复网络参数进行迭代优化，丰富沙尘图像恢复网络的语义信息，得到更加清晰的图像。

技术领域

本发明涉及图像处理领域，特别是涉及一种基于灰度世界自引导网络的单幅沙尘图像恢复方法。

背景技术

在恶劣的天气条件下，悬浮在大气中的颗粒会极大地吸收和散射光线。在恶劣天气中拍摄的图像存在模糊不清、能见度低、颜色失真等问题。显然，在恶劣天气中拍摄的图像的偏色通常取决于大气颗粒的大小及其性质。例如，灰尘和沙尘颗粒的混合会导致沙尘天气。在沙尘天气中捕获的图像通常以黄色和橙色为主。在捕获的图像中，这种模糊的外观会降低高级计算机视觉应用程序的性能。

沙尘是一种常见的大气现象，因为在空中悬浮的大量沙尘颗粒和灰尘吸收和散射了光线，使得大气能见度大幅度降低，导致图像采集设备获取的图像不清晰，细节信息减少。因此，研究如何快速的从沙尘图像中恢复出高质量的清晰无沙尘图像具有很高的实用性和现实性，具有广泛的学术价值和行业价值。

计算机视觉系统容易受到户外恶劣天气的影响。计算机大多数室外计算机视觉应用，如智能监控、自主导航和目标跟踪，都需要输入图像具有清晰的可见性。不幸的是，在沙尘天气下，拍摄的图像存在颜色失真、模糊、低对比度等问题，这对后续视觉任务产生了消极的影响。因此，为了更多的室外计算机视觉应用，开发一种沙尘图像恢复方法是至关重要的。

有两大主要因素导致沙尘暴中捕获的沙尘图像退化：首先，由于沙尘暴中的浮沙和灰尘吸收和散射了光线，从而产生低对比度和类似雾霾的效果。其次，与红光和橙光相比，蓝光和绿光被沙尘颗粒吸收得更快，这导致了一个具有整体黄色色调的颜色偏差图像。因此，沙尘图像恢复方法的两个基本目标是消除雾霾的影响和校正颜色。

本文在此背景下，对沙尘图像清晰化处理，得到的结果应用于日常生活中，为提高计算机视觉系统的性能以及视频图像处理提供帮助。

发明内容

本发明的目的是提供一种基于灰度世界自引导网络的单幅沙尘图像恢复方法，解决了现有技术中存在的单幅图像去除沙尘的性能低的问题。

本发明所采用的技术方案是，一种基于灰度世界自引导网络的单幅沙尘图像恢复方法，具体按照如下步骤进行：

步骤1、获取图像数据集，对图像数据集中的每个图像进行归一化处理，得到训练集；

步骤2、构建生成对抗网络模型，生成对抗网络模型包括生成网络和判别网络，生成网络校正图像的颜色并除图像中的沙尘，对抗网络判别生成网络生成的图像是否是清晰图像；

步骤3、利用训练集对生成对抗网络模型进行训练，得到训练后的生成对抗网络模型；

步骤4、将原始沙尘图像输入所述训练后的生成对抗网络模型中，得到图像恢复后的结果。

本发明的特点还在于，

步骤2具体步骤包括：

步骤2.1、基于灰度世界的多尺度颜色校正子网络，得到图像R、G、B三个通道的灰度图，将得到的灰度图分别经过一个卷积层得到16个包含R、G、B通道的三通道特征映射，将所得到的16个三通道特征映射分别经过灰度世界算法进行颜色校正，得到颜色校正图像；