[发明专利]一种图像去雾方法及生成器网络

说明书

本发明公开了一种暗通道注意力优化循环生成对抗网络的图像去雾方法，步骤包括：建立暗通道注意力子网络，建立生成器G1、G2，建立判别器D_X全局、D_X局部、D_Y全局、D_Y局部；计算有雾图像暗通道，将有雾图像输入生成器G1，将暗通道输入暗通道注意力子网络得到注意力图，对生成器中间输出进行加权，最终得到去雾图像；采用全局判别器对去雾图像进行判别，将去雾图像随机裁剪出四个小块并采用局部判别器进行判别；能去除图像中的雾霾，增加图像视觉性，有效解决雾天条件下图像模糊不清的问题。

技术领域

本发明涉及单幅图像去雾技术领域，具体的说，设计了一种图像去雾方法及生成器网络。

背景技术

信息时代，图像处理技术被广泛应用于人脸识别、步态追踪、道路监控、自动驾驶、目标检测、无人机航拍以及空间探索等方面，但图像信息处理系统的性能极易受气候变化的影响。雾霾的存在是因为空气中存在大量的灰尘、水蒸气和大直径悬浮颗粒，这些悬浮粒子的散射作用，使得摄像设备获取的图像对比度降低、颜色失真、细节特征模糊。对户外图像制造了大量噪声，使户外图像出现明显降质。这些退化现象，直接影响了后续的目标检测等任务。

图像去雾可以分为多幅图像去雾和单幅图像去雾。多幅图像去雾根据同一场景在不同时刻、不同天气条件下的多幅图像或同一场景在不同偏振条件下的多幅图像提供的特征信息，对有雾图像进行图像去雾处理。这类算法简单、运行速度快，不仅可以得到更多的有效信息，有利于病态问题的求解，还可以处理一些特殊情况下的图像，例如夜间图像。但是多幅图像去雾需要同一场景的多幅图像信息，在实践中较难获得所需的附加信息或多个图像，所以实用性较低。因此，该类算法在实际生活中不能广泛使用。由于多幅图像去雾局限性较大，所以单幅图像去雾得到了研究者的广泛关注。单幅图像去雾就是通过一定的图像处理技术对单幅图像进行图像增强或图像复原，去除有雾图像中的雾，恢复图像的细节信息，得到视觉效果较好的图像。

目前，图像去雾算法主要可以分为三类：第一类是基于图像增强，基于图像增强的去雾算法有针对的突出图像的有用信息，提高图像质量。这类算法在本质上就是颜色校正和对比度增强，复原后的图像可能发生颜色失真现象。第二类是基于图像复原，基于图像复原的去雾算法通过建立有雾图像的退化模型，反推出图像复原模型。这类算法去雾效果较好，但是要准确估计图像退化模型的中间参数。第三类为基于深度学习的图像去雾算法，例如卷积神经网络应用于图像去雾。

发明内容

本发明的目的在于针对现有技术的不足，提出一种暗通道注意力优化循环生成对抗网络的图像去雾方法及生成器网络，该方法能去除图像中的雾霾，增加图像视觉性，有效解决雾天条件下图像模糊不清的问题。

为实现上述目的，本发明提出的一种图像去雾方法，通过采用生成器网络实现图像去雾过程，所述方法包括如下步骤：

将输入图像调整为256×256分辨率，有雾图像输入判别器D_X全局进行判别，无雾图像输入判别器D_Y全局进行判别；

将有雾图像、无雾图像分别随机裁剪出四个128×128小块，输入判别器D_X局部、判别器D_Y局部进行判别；

获取所述有雾图像的RGB三通道中每个像素位置像素值最低的像素，以得到灰度图，然后以每一个像素为中心，取15x15大小的矩形窗口，将矩形窗口中像素最小值代替中心像素，得到有雾图像暗通道；

将暗通道输入暗通道注意力子网络，得到注意力图；

将有雾图像输入去雾生成器G1，

在生成器与暗通道注意力子网络相同位置，将注意力对生成器输出特征图进行加权处理；

生成器G1输出去雾图像；