[发明专利]一种图像去雾方法、装置、电子设备及存储介质

说明书

本发明公开了一种图像去雾方法、装置、电子设备及存储介质，用于解决现有的生成式对抗网络模型对有雾图像的去雾效果较差的技术问题。本发明包括：获取样本图像集；样本集包括多个有雾图像及有雾图像对应的真实图像；将有雾图像输入生成器，生成虚假图像；计算真实图像和虚假图像的特征融合惩罚损失；将虚假图像和真实图像输入鉴别器，生成图像分类概率，并计算鉴别器的对抗损失函数；采用有雾图像和真实图像计算关联损失函数；采用特征融合惩罚误差、对抗损失函数和关联损失函数优化生成式对抗网络的参数，直至图像分类概率满足预设阈值，得到训练好的生成式对抗网络；将目标有雾图像输入训练好的生成式对抗网络，得到目标去雾图像。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像去雾方法、装置、电子设备及存储介质。

背景技术

现实世界存在的大量数据，很多时候都可以通过计算机访问得到。然而，数据不等于信息，更不等于知识，计算机虽然能够筛选数据、提取特征和获取信息，但在分析和理解数据得到可用的知识方面，仍有欠缺。

在现有技术中，解决上述为最有效的方法是生成式对抗网络。

生成式对抗网络(Generative Adversarial Networks,GAN)是一种用来训练生成器模型的方法。通过将博弈论中对抗的思想成功与深度学习相结合，为深度开辟了新的天地。生成式对抗网络将训练过程视为两个独立网络之间的博弈：生成网络以及判别网络，其试图将样本尽量正确地归类为来自真实分布p(x)还是模型生成分布p(z)。每当判别网络注意到两个分布之间的差异时，生成网络稍微调整其参数以使差异消失，直到最后(理论上可收敛)生成网络精确地再现真实的数据分布并且判别网络无法找到一个区别，GAN达到均衡。

然而，现有的生成式对抗网络模型对有雾图像的去雾效果较差。

发明内容

本发明提供了一种图像去雾方法、装置、电子设备及存储介质，用于解决现有的生成式对抗网络模型对有雾图像的去雾效果较差的技术问题。

本发明提供了一种图像去雾方法，涉及生成式对抗网络；所述生成式对抗网络包括生成器和鉴别器；所述方法包括：

获取样本图像集；所述样本集包括多个有雾图像及所述有雾图像对应的真实图像；

将所述有雾图像输入所述生成器，生成虚假图像；

计算所述真实图像和所述虚假图像的特征融合惩罚损失；

将所述虚假图像和所述真实图像输入所述鉴别器，生成图像分类概率，并计算所述鉴别器的对抗损失函数；

采用所述有雾图像和所述真实图像计算关联损失函数；

采用所述特征融合惩罚误差、所述对抗损失函数和所述关联损失函数优化所述生成式对抗网络的参数，直至所述图像分类概率满足预设阈值，得到训练好的生成式对抗网络；

将目标有雾图像输入所述训练好的生成式对抗网络，得到目标去雾图像。

可选地，所述计算所述真实图像和所述虚假图像的特征融合惩罚损失的步骤，包括：

采用所述BLC卷积块计算所述真实图像与所述虚假图像的中低级特征图误差；

采用所述BSC卷积块计算所述真实图像与所述虚假图像的高级特征图误差；

采用所述中低级特征图误差和所述高级特征图误差生成特征融合惩罚损失。

可选地，所述生成器包括BLC卷积块；所述采用所述BLC卷积块计算所述真实图像与所述虚假图像的中低级特征图误差的步骤，包括：

采用所述BLC卷积块提取所述真实图像的第一中低级特征；

采用所述BLC卷积块提取所述虚假图像的第二中低级特征；