[发明专利]一种基于半监督域转换神经网络的图像去雾系统及其方法

权利要求书

1.一种基于半监督域转换神经网络的图像去雾系统，其特征在于，图像去雾系统包括如下步骤：

1)通过可微结构方法搜索神经网络获得编码单元和解码单元；

2)用搜索到的编码单元搭建合成有雾域编码器E_S(·)和真实有雾域编码器E_R(·)；用搜索到的解码器单元搭建清晰域解码器D_C(·)和真实有雾域解码器D_R(·)；同时，搭建清晰域鉴别器Dis_C(·)和真实有雾域鉴别器Dis_R(·)；

3)通过搜索的编码器和解码器搭建半监督域转换框架，所述半监督域转换框架包括：

合成有雾域编码器E_S(·)和清晰域解码器D_C(·)构成去合成雾网络S2C；

真实有雾域编码器E_R(·)和真实有雾域解码器D_R(·)构成重构真实雾网络R2R；

合成有雾域编码器E_S(·)和真实有雾域解码器D_R(·)构成数据增广网络S2R；

真实有雾域编码器E_R(·)和清晰域解码器D_C(·)构成去真实雾网络R2C；

4)通过预训练的数据增广网络S2R扩展合成有雾数据生成伪真实有雾图像；

5)将预训练的去合成雾网络S2C和去真实雾网络R2C融合搭建通用去雾网络G(·)。

2.根据权利要求1所述的一种基于半监督域转换神经网络的图像去雾系统，其特征在于，图像去雾系统包括编码器和解码器的结构为：

编码器的由前置卷积和3个编码单元组成，其中：前置卷积的卷积核大小为4×4，卷积步长为2，激活函数为ReLU函数；编码单元由3个卷积核大小为3×3的卷积层组成；卷积层与ReLU激活函数间加入了实例归一化；编码器的输出由3个编码单元的输出在通道维度上拼接而成；

解码器由解码单元和后置卷积组成；解码单元的输出特征经2倍上采样后送入后置卷积，后置卷积的卷积核大小为3×3；

编解码器中的3个卷积层之间加入了密集连接的跳线；待搜索模块位于每根跳线上,所有模块中卷积的卷积核大小均为3×3；其中：

在搜索过程中，每根跳线的输出是搜索空间中四种模块输出的线性组合；在搜索时每处跳线可以表示为：

其中O_i(·)为搜索空间中的四种模块，α_i为每个模块的组合系数。

3.根据权利要求1所述的一种基于半监督域转换神经网络的图像去雾系统，其特征在于，所述清晰域鉴别器Dis_C(·)和真实有雾域鉴别器Dis_R(·)鉴别器均由5层卷积核大小为4×4的卷积构成，前3层卷积步长为2，后两层卷积步长为1；前四层卷积的激活函数为LeakyReLU,斜率为0.2；卷积层和激活函数之间引入批归一化；最后一层卷积的激活函数为Sigmoid函数。