[发明专利]一种图像去雾系统

说明书

本发明公开一种图像去雾系统，目的在于寻找更为有效的图像去雾的实现方案，其包括用于图片输入输出的X域、与X域连接的X域判别模型、第一生成器、与所述第一生成器组成循环生成双对抗网络的第二生成器、用于图片输入输出的Y域以及与所述Y域连接的Y域判别模型，所述X域通过所述第一生成器、第二生成器与所述Y域相映射。本发明一种图像去雾系统使用循环生成双对抗网络对有雾图片进行去雾处理，其能复原不同雾浓度和场景深度的图像部分,对深度渐变和深度密集突变的图像的去雾效果也理想,颜色自然,且能对雾浓度较大的区域做出合理预测，相比目前主流的去雾方法效果更佳。

技术领域

本发明涉及图像处理领域，具体而言，本发明涉及一种图像去雾系统。

背景技术

随着计算机视觉的发展及其在交通、安全监控领域的应用，图像去雾已成为计算机视觉的重要研究领域。在雾霾天气导致能见度较低的恶劣气象条件下，由摄像机采集到的图片受大气中悬浮颗粒物(如雾、霾等)的影响，导致图片质量不佳，难以辨别图片中的物体特征，甚至影响例如室外监控、目标识别和交通导航中图片的质量。因此，有雾图像特征清晰化有着重要的研究意义。

目前，图像去雾的方法主要有两类：图像增强和模型去雾，其中，

图像增强类算法直接从图像处理角度出发，通过增强含雾图像的对比度，突出图片的特征或有效信息，一定程度上改善图片的视觉效果。但是该类方法忽略了图像降质的真正原因，所以对于场景复杂的图片无法提高图片的质量，甚至可能丢失图像的某些信息。常用的图像增强类算法包括直方图均衡、多尺度Retinex、同态滤波、Tan等。Kim等和Stark提出局部直方图均衡法，其主要是定义一个图像的子块，从而确定其直方图，再对该子块进行直方图均衡，子块的中心灰度被替换为直方图均衡后的灰度，如此根据每个像素的邻域对像素进行处理，有利于突出图像特征。多尺度Retinex算法将有雾图像中的照射分量和反射分量分离，消除以雾为主的照射分量对图像的影响，达到去雾的效果。但是在用该算法进行图像增强时，要计算照度分量，这在数学上是个欠定问题，只能通过近似估计；

模型去雾类算法通过建立大气散射模型，研究图像退化的物理原理，得出大气中悬浮颗粒物对光的散射作用以及对图片的影响，复原出更真实的图片，且在复杂场景中去雾效果较好，图像信息较完整。常用的模型去雾类算法有Tarel、Fattal、He等。Nayer等把大气对景物反射的光线的影响分为大气对景物光线的衰减和环境光的叠加，并分别进行推导，从而在根本上去雾，得到原始的无雾图片，且丢失的信息较少。He通过对大量无雾图像统计特征的观察，提出了暗道先验的算法，其认为雾的浓度近似于最暗通道的数值，即在非天空的清晰区域，在RGB三个通道中有一个颜色通道的亮度很低甚至接近于0。该算法对非天空区域的图片有着良好的去雾效果，而对于有天空的这类的亮区域结果并不理想，且该算法计算量太大，效率较低。

发明内容

为了寻找更为有效的图像去雾的实现方案，本发明实施例提供了一种图像去雾系统，该一种图像去雾系统包括用于图片输入输出的X域、与X域连接的X域判别模型、第一生成器、与所述第一生成器组成循环生成双对抗网络的第二生成器、用于图片输入输出的Y域以及与所述Y域连接的Y域判别模型，所述X域通过所述第一生成器、第二生成器与所述Y域相映射。

优选地，所述X域判别模型包括判别器DX1和判别器DX2，所述判别器DX1和判别器DX2分别与所述X域连接；所述Y域判别模型包括判别器DY1和判别器DY2，所述判别器DY1和判别器DY2分别与所述Y域连接。

优选地，所述第一生成器包括用于提取输入图像的特征向量的编码器、用于将源域中图片的特征向量转换到目标域中的特征向量的转换器以及用于从特征向量中还原出低级特征的解码器，所述编码器与所述X域连接，所述解码器与所述Y域连接，所述转换器连接在所述编码器与所述解码器之间。

与现有技术相比，本发明实施例一种图像去雾系统具有如下有益效果：