[发明专利]一种区域自适应的图像去雾系统及方法

说明书

本发明提供了一种区域自适应的图像去雾系统，包括预去雾模块、与所述预去雾模块连接的自适应区域划分模块、分别与所述自适应区域划分模块连接的余雾去除模块和纹理修复模块，以及分别与所述余雾去除模块和纹理修复模块连接的特征融合模块。基于上述系统，本方法还公开了一种区域自适应的图像去雾方法。本发明通过将图像去雾和纹理修复解耦到两个不同的子模块来处理单图像去雾问题，避免了之前的方法只使用一个网络来学习两个不同的目标函数，提出的两阶段去雾网络能够通过区域自适应的方式来恢复清晰图像，并避免过去雾与欠去雾问题。

技术领域

本发明属于图像修复领域，尤其涉及一种区域自适应的图像去雾系统及方法。

背景技术

在现实生活中，雾、烟、尘等不透明的微小颗粒的存在使得拍摄得到的图像会产生一定程度的视觉质量降级(如颜色偏移，亮度和对比度变化)。由于许多的计算机视觉任务(如目标检测，语义分割，目标跟踪，自动驾驶)依赖清晰的图像作为训练样本，因此，图像去雾作为一个预处理步骤具有非常重大的意义。给定一张有雾图片，传统的去雾方法首先估计介质透射谱和全局大气光强度，然后利用大气散射模型来得到清晰无雾的图像；许多深度学习方法直接回归介质透射谱或清晰图像来提高去雾的性能。但是之前的方法试图用一个网络来同时处理去雾和纹理恢复问题，忽略了两个不同的目标函数之间潜在的对抗性，在恢复有雾图片的亮度时不可避免地牺牲了纹理细节，或者在通过对比度增强恢复纹理细节同时不能完全去除雾，即表现为过去雾和欠去雾现象。

因此，本发明提出了一种区域自适应的两阶段图像去雾方法，通过将图像去雾任务解耦成图像去雾和纹理修复两个子任务，来避免过去雾与欠去雾问题，并提高去雾的效果与性能。

发明内容

针对现有技术中的上述不足，本发明提供的一种区域自适应的图像去雾系统及方法，解决了传统去雾方法中过去雾和欠去雾的问题。

为了达到以上目的，本发明采用的技术方案为：

本方案提供一种区域自适应的图像去雾系统，包括一种区域自适应的图像去雾系统，其特征在于，包括预去雾模块、与所述预去雾模块连接的自适应区域划分模块、分别与所述自适应区域划分模块连接的余雾去除模块和纹理修复模块，以及分别与所述余雾去除模块和纹理修复模块连接的特征融合模块，其中：

所述预去雾模块用于对有雾图片进行预去雾处理，得到有雾图片最初的中间去雾结果和纹理损失谱；

所述自适应区域划分模块用于利用纹理损失谱将最初的中间去雾结果划分为欠去雾区域和纹理损失区域；

所述余雾去除模块用于对欠去雾区域进行余雾处理，并提取经余雾处理后的特征谱；

所述纹理修复模块利用纹理损失区域对有雾图片进行纹理修复，并提取经纹理修复后的特征谱；

所述特征融合模块用于将经余雾处理后的特征谱和经纹理修复后的特征谱进行级联处理，并依次通过第九卷积单元和第十卷积单元将融合后的特征谱映射至图像空间，得到最终的去雾图像。

进一步地，所述预去雾模块包括第一输入层、与所述第一输入层连接的第一卷积单元、与所述第一卷积单元连接的第二卷积单元、分别与所述第二卷积单元连接的第一平滑空洞卷积残差块和第三卷积单元、与所述第一平滑空洞卷积残差块连接的第二平滑空洞卷积残差块、与所述第三卷积单元连接的第四卷积单元、分别与所述第二平滑空洞卷积残差块和第四卷积单元连接的第一反卷积单元、与所述第一反卷积单元连接的第五卷积单元、分别与所述第五卷积单元连接的第六卷积单元和第七卷积单元，以及分别与所述第六卷积单元和第七卷积单元连接的第一输出层，其中：

所述第一卷积单元包括依次连接的第一卷积层、第一激活函数层Relu和第一归一化层BN，所述第一卷积层的卷积核大小为3×3，步长为1，输入通道数为4，输出通道数为32；