[发明专利]去雾效果可调节的图像增强方法

权利要求书

1.一种去雾效果可调节的图像增强方法，包括：

步骤S100，获取光强度小于预设阈值的雾图像，将所述雾图像输入雾图像条件编码器，通过多层卷积神经网络，得到条件特征图集合；

步骤S200，从高斯空间以预设的标准差采样出长、宽为雾图像八分之一，通道数为雾图像八倍的噪声特征图；

步骤S300，将所述噪声特征图输入流网络包括的第一可逆流层网络包括的分离层，以生成第一特征图，其中，所述第一特征图的通道数目是所述噪声特征图的二倍，所述第一可逆流层网络还包括：子网络集合和图像转换网络；

步骤S400，基于所述子网络集合、所述第一特征图和所述条件特征图集合，生成第二特征图；

步骤S500，将所述第二特征图输入所述图像转换网络，以生成第三特征图，其中，所述流网络还包括：第二可逆流层网络集合，所述第二可逆流层网络集合中的第二可逆流层网络的网络结构与所述第一可逆流层网络的网络结构一致；

步骤S600，基于所述第二可逆流层网络集合、所述条件特征图集合和所述第三特征图，生成去雾图像。

2.根据权利要求1所述的方法，其中，所述子网络集合包括：第一子网络，所述第一子网络包括：第一注意力机制耦合层，所述第一注意力机制耦合层包括：第一注意力模块和第二注意力模块；以及

所述基于所述子网络集合、所述第一特征图和所述条件特征图集合，生成第二特征图，包括：

根据所述第一特征图的通道数目，将所述第一特征图平均分割成两部分，得到第一子特征图和第二子特征图，其中，所述第一子特征图和所述第二子特征图的通道数目均是所述第一特征图的通道数目的二分之一；

复制所述第一子特征图，得到第三子特征图，其中，所述第三子特征图是与所述第一子特征图通道数目和尺寸一致的特征图；

将所述第一子特征图与所述条件特征图集合包括的第一条件特征图输入到所述第一注意力模块和所述第二注意力模块，以生成变换特征图和位移特征图，其中，所述第一注意力模块和所述第二注意力模块均是含有注意力机制的神经网络；

将所述变换特征图、所述位移特征图和所述第二子特征图进行融合计算，以生成第四子特征图，其中，所述第四子特征图是通道数目与所述第三子特征图一致的特征图；

将所述第三子特征图与所述第四子特征图进行组合，以生成第五子特征图，其中，所述第五子特征图的通道数目是所述第三子特征图与所述第四子特征图的通道数目之和；

基于所述子网络集合、所述第五子特征图和所述条件特征图集合包括的第一条件特征图，生成所述第二特征图。

3.根据权利要求2所述的方法，其中，所述子网络集合中的子网络包括：耦合层、注入层、第一卷积层和第一归一化层。

4.根据权利要求3所述的方法，其中，所述图像转换网络包括：第二卷积层、第二归一化层和压缩层。

5.根据权利要求4所述的方法，其中，所述第二可逆流层网络集合包括：第一子可逆流层网络和第二子可逆流层网络集合；以及

所述基于所述第二可逆流层网络集合、所述条件特征图集合和所述第三特征图，生成去雾图像，包括：

基于所述第一子可逆流层网络、所述条件特征图集合包括的第二条件特征图和所述第三特征图，生成第四特征图；

基于所述第二子可逆流层网络集合、所述条件特征图集合包括的第三条件特征图集合和所述第四特征图，生成去雾图像。

6.根据权利要求5所述的方法，其中，所述基于所述第一子可逆流层网络、所述条件特征图集合包括的第二条件特征图和所述第三特征图，生成第四特征图，通过以下公式表征：

其中，()是输入操作，x₁是所述第三特征图，x₂是所述第一子可逆流层网络包括的分离层输出的特征图，x₃是所述第一子可逆流层网络包括的子网络集合包括的第一子网络最终输出的特征图，x₄是所述第一子可逆流层网络包括的子网络集合最终输出的特征图，x₅是所述第四特征图，y₂是所述第二条件特征图，Split是所述第一子可逆流层网络包括的分离层，Coupling是所述第一子可逆流层网络包括的子网络集合包括的第一子网络包括的含有注意力机制的耦合层，Injector是所述第一子可逆流层网络包括的子网络集合包括的第一子网络包括的含有注意力机制的注入层，Conv₁是所述第一子可逆流层网络包括的子网络集合包括的第一子网络包括的第一卷积层，Actnorm₁是所述第一子可逆流层网络包括的子网络集合包括的第一子网络包括的第一归一化层，CAIA是所述第一子可逆流层网络包括的子网络集合包括的除了第一子网络的所有的子网络，Conv₂是所述第一子可逆流层网络包括的图像转换网络包括的第二卷积层，Actnorm₂是所述第一子可逆流层网络包括的图像转换网络包括的第二归一化层，Squeeze是所述第一子可逆流层网络包括的图像转换网络包括的压缩层。