[发明专利]一种图像去雨方法、装置、可读存储介质及终端设备

权利要求书

1.一种图像去雨方法，其特征在于，包括：

获取带雨图像；

将所述带雨图像输入至训练完成的生成对抗网络模型，得到所述生成对抗网络模型输出的所述带雨图像去雨后的清晰图像；

其中，所述生成对抗网络模型包括设置为对抗式训练的生成模型与判别模型，所述生成模型为利用从第二图像中提取的特征对第一图像进行特征监督训练所得到的全卷积网络模型，所述第一图像为第一训练带雨图像，所述第二图像为与所述第一训练带雨图像对应的第一训练清晰图像；其中，所述生成模型包括多层卷积层和反卷积层，所述生成模型通过下述步骤训练得到：

获取训练样本对，每一所述训练样本对包括第二训练带雨图像以及与所述第二训练带雨图像对应的第二训练清晰图像；

将所述训练样本对输入至初始的生成模型，在所述生成模型的卷积层中获取所述第二训练带雨图像对应的第一特征图和所述第二训练清晰图像对应的第二特征图；

根据所述第一特征图和所述第二特征图计算特征监督的正则化损失，包括：

根据下述公式计算所述正则化损失：

其中，L_layer(G)为正则化损失，η_j为第j层卷积层的损失加权因子，E为数学期望，G_j(x)为第j层卷积层中的第一特征图，G_j(y)为第j层卷积层中的第二特征图，||·||₁为L1范数距离；

在所述反卷积层中根据所述第一特征图进行图像重构，得到所述初始的生成模型输出的生成图像；

计算所述生成图像与所述第二训练清晰图像之间的像素损失，包括：

根据下述公式计算所述像素损失：

L_gt(G)＝E_xy[||y-G(x)||₁]

其中，L_gt(G)为像素损失，y为第二训练清晰图像，G(x)为生成图像，||·||₁为L1范数距离；

将所述生成图像输入至所述判别模型，得到所述判别模型输出的判别结果；

根据所述正则化损失、所述像素损失和所述判别结果确定所述生成模型本轮训练的训练误差，包括：

根据下述公式确定所述生成模型本轮训练的训练误差：

Loss(G)＝E_x[log(1-D(G(x)))]+L_layer(G)+L_gt(G)

其中，Loss(G)为训练误差，D(G(x))为判别模型输出的生成图像G(x)对应的第一判别结果，L_layer(G)为正则化损失，L_gt(G)为像素损失；

若所述训练误差满足预设条件，则确定所述生成模型训练完成；

若所述训练误差不满足所述预设条件，则调整所述生成模型的模型参数，并将模型参数调整后的生成模型确定为初始的生成模型，返回执行将所述训练样本对输入至初始的生成模型的步骤以及后续步骤。

2.根据权利要求1所述的图像去雨方法，其特征在于，所述判别模型与所述生成模型通过下述目标函数进行对抗式训练：

其中，D(x，y)为判别模型输出的第二判别结果，所述第二判别结果表示为判断图像x来自第二训练清晰图像y的概率。

3.根据权利要求1至2中任一项所述的图像去雨方法，其特征在于，所述反卷积层与所述卷积层之间跳跃连接；

所述在所述反卷积层中根据所述第一特征图进行图像重构，得到所述初始的生成模型输出的生成图像，包括：

在所述反卷积层中对所述第一特征图进行特征提取，得到所对应的第三特征图；

根据所述第三特征图和与所述反卷积层跳跃连接的卷积层中的第一特征图进行图像重构，得到所述初始的生成模型输出的生成图像。