[发明专利]一种海上雾天图像模拟方法

说明书

本发明公开了一种海上雾天图像模拟方法，构建海上场景样本图片数据集并人工标注，将数据集分为天空、海面和前景目标，并进行语义分割训练，得到网络参数；假设天空部分距离摄像头为无穷远，海面部分与天空接触处为无穷远，图片最下方距离摄像头距离为0，其他海面部分满足x³变化趋势由近及远变化，前景目标深度与最下方跟海面接触处深度保持一致得到深度图；对深度图进行均值滤波和两次高斯模糊来进行平滑，并将其与横纵方向皆满足‑ax²+b变化趋势且边缘的灰度为0的灰度块相加，a,b为随机数，来模拟不均匀雾团，利用深度图模拟出雾天下的海面场景图片。本发明可以基于大气散射模型模拟出较为真实的雾天下海上场景图片，实现该场景下的样本数量增广。

技术领域

本发明涉及一种海上雾天图像模拟方法，涉及雾效模拟、深度学习和计算机视觉领域。

背景技术

当在空气中相对湿度达到100％，水汽充足，且大气稳定的条件下，空气中的水汽凝结成细微的水滴或冰晶，悬浮于和地面相近的大气中，便形成了雾。雾天是一种无论海上还是陆地上都比较常见的自然现象，其出现往往伴随着大气能见度的下降，可视距离的缩短，严重影响着交通、航行等的安全性，因此，其在计算机视觉任务中是不可忽视的场景。在利用深度学习进行海上目标的识别、分割等任务时，若仅用晴天下的图片进行神经网络的训练，当遇见雾天天气时则会出现准确率严重降低的问题，但海面雾天的天气图片又比较难以获得，数量稀少，远远不足以支持神经网络的训练，利用传统的仿射变换等样本增广方法对数量绝对稀缺的雾天图片增广效果有限，风格迁移仅通过改变图像的风格、纹理很难真实的模拟出雾天场景。

发明内容

针对上述现有技术，本发明要解决的技术问题是提供一种海上雾天图像模拟方法，可以基于大气散射模型模拟出较为真实的雾天下海上场景图片，从而实现该场景下的样本数量的增广。

为解决上述技术问题，本发明的一种海上雾天图像模拟方法，包括以下步骤：

步骤1：准备数据集，具体为：

获取海上场景图片数据集，并对其进行人工标注，要求标签文件将数据集图片分为天空、海面和海上目标三部分；

步骤2：训练语义分割网络，具体为：

将步骤1的数据集及其标签送入网络中采用deeplab v3+语义分割算法进行训练，得到语义分割网络；

步骤3：深度图模拟，具体为：

从数据集中挑选出一张图片，经过步骤2中训练好的语义分割网络，得到其语义分割结果，构建与该图片相同形状的单通道灰度矩阵，将语义分割结果中对应的天空部分灰度置为255，模拟出无限远的距离；海面部分与天空接触处灰度置为255，图片底部灰度置为0，模拟摄像头所处的位置，其他海面部分从0到255变化且满足x³的变化规律，模拟图片中像素点代表的景物距离摄像头由近及远变化；海上目标部分设置为与其在x轴方向上与海面接触部分海面的灰度值相同，代表了海上目标在纵向上与摄像头之间的距离不变，得到的灰度矩阵为模拟的海面场景的深度图；

步骤4：将步骤3模拟得到的深度图进行三次卷积滤波，平滑深度图；

步骤5：模拟不均匀雾团，具体为：

将平滑后的深度图的随机位置上与横纵方向皆满足-ax²+b变化趋势的灰度块相加，其中横纵方向上系数a,b不相同，随机变化，且保持灰度块儿边缘的灰度为0，模拟得到场景中不同区域雾的浓度可能不同的情况；

步骤6：将模拟得到的深度图带入大气散射模型中得到模拟的海面雾天图片，具体为：