[发明专利]一种基于循环生成对抗网络的图像去雾方法及系统

权利要求书

1.一种基于循环生成对抗网络的图像去雾方法，其特征在于，包括：

获取待处理的有雾图像；

输入到预先训练好的密集连接循环生成对抗网络，输出无雾图像；

所述密集连接循环生成对抗网络包括生成器，生成器包括编码器、转换器和解码器，编码器包括密集连接层，用于提取输入图像的特征，转换器包括过度转换层，用于将编码器阶段提取的特征进行组合，解码器包括密集连接层和缩放卷积神经网络层，密集连接层用于还原图像的原有特征，缩放卷积神经网络层用于去除还原的原有特征的棋盘格效应，得到最终输出的无雾图像。

2.根据权利要求1所述的基于循环生成对抗网络的图像去雾方法，其特征在于，所述转换器阶段还包括密集残差块，密集残差块包含密集连接层和过渡转换层，密集连接层用于将编码器提取到的特征进行组合拼接，过渡转换层用于保持输入图像和输出图像的维度相同。

3.根据权利要求1所述的基于循环生成对抗网络的图像去雾方法，其特征在于，所述密集连接循环生成对抗网络还包括跳层，连接编码器和解码器，用于进行数据信息流的传输。

4.根据权利要求1所述的基于循环生成对抗网络的图像去雾方法，其特征在于，所述密集连接循环生成对抗网络的训练过程包括：

密集连接循环生成对抗网络还包括判别器判别器Dx和判别器Dy，生成器有两个，分别为生成器G和生成器F，其中生成器G和生成器F，判别器Dx和判别器Dy分别具有着相同的网络结构；

从Reside数据集中随机选取无雾图像和有雾图像各N张作为训练样本，有雾图像的训练样本记为数据集P(x)，无雾图像的训练样本数据集P(y)；

对数据集P(x)和数据集P(y)进行标记，利用标记后的数据集P(x)和数据集P(y)对判别器Dx和判别器Dy进行训练，使得判别器Dx和判别器Dy能够判断若输入两幅有雾图像，判别器结果标记为1，若输入两幅无雾图像判别器结果也标记为1，若分别输入一幅有雾图像，一幅无雾图像，判别器结果标记为0；

对生成器和判别器的网络的权重参数W进行初始化；

初始化完成后，根据数据集P(x)和数据集P(y)确定输入样本；

根据输入样本，先固定生成器权重参数对判别器进行训练，使用随机梯度下降算法来更新判别器的最终权重参数，之后固定判别器的权重参数为所述更新的判别器的最终权重参数对生成器进行训练，使用随机梯度下降算法来更新生成器的最终权重参数；

根据判别器的最终权重参数和生成器的最终权重参数确定训练好的密集连接循环生成对抗网络。