[发明专利]一种带雾图像修复方法

说明书

本发明属于计算机视觉技术领域，更具体地，涉及一种带雾图像修复方法，包括：提取带雾图像的边缘图，利用掩膜将带雾图像转换为部分信息缺失图像；将部分信息缺失的图像、边缘图以及掩膜输入边缘修复网络，输出部分信息缺失图像的修复边缘；将修复边缘与部分信息缺失图像输入图像修复网络，输出修复图像。本发明通过掩膜将带雾图像转换为部分信息缺失的图像，进而提高图像的可利用信息，再图像的边缘信息对部分缺失信息的图像进行修复，提高了带雾图像修复的鲁棒性以及修复效果。

技术领域

本发明属于计算机视觉技术领域，更具体地，涉及一种带雾图像修复方法。

背景技术

图像修复是计算机视觉领域一项重要的底层任务，其研究的是将部分信息缺失的图像修复成完整的图像。传统图像修复算法包括基于扩散的方法和基于块拼接的算法。基于扩散的方法使用偏微分方程扩散和变分方法将确实区域边界的信息平滑的传播到缺失区域。基于扩散的方法在修复小的缺失区域，如划痕裂痕等缺失的时候有比较好的效果。但是当缺失区域面积较大时基于扩散的方法容易导致模糊。

基于块拼接的算法在缺失区域较大时拥有比基于扩散的方法更好的效果。基于块拼接的算法的基本思路是将图像分成若干大小相同的块，如3×3，6×6等，然后在缺失区域按某种规则在图像的完整区域寻找最佳的匹配块进行复制填充实现修复。虽然基于块拼接的方法取得了比较优秀的效果，但是由于使用了全局搜索的方法，其处理时间往往是不可接受的。而且基于块拼接的方法使用图像完整部分像素块填充缺失部分，所以这种方法并不具备修复弱纹理图像纹理的功能。

随着，卷积神经网络的提出与发展，基于卷积神经网络的图像修复方法取得了优秀的效果，如现有技术方案中的一种基于生成对抗网络的单幅图像去雾增强方法，其样本数据获取模块至少获取若干有雾图像的经由第二去雾模块先行验证后的验证去雾图像和若干无雾图像，从而生成对抗网络训练模块能够基于生成对抗映射网络以先验去雾图像的RGB直方图学习无雾图像的RGB直方图的方式获取先验去雾图像和无雾图像的特征值的相关性分布规律，从而将分布规律转化为先行验证的去雾模型，以使得第一去雾模块将经过先行验证的去雾模型嵌入至待去雾图像恢复为有效去雾图像。但是这样的方案修复速度较慢，效率较低，且对仅能单独对图像进行去雾修复；而由于实施过程中，图像带雾与缺失叠加的问题更加普遍，因此修复效果并不理想。

发明内容

本发明为克服上述现有技术中的至少一个缺陷，提供一种带雾图像修复方法，其能够减少网络参数，降低网络设计要求，提高对图像的修复速度以及修复效果。

为解决上述技术问题，本发明采用的技术方案是：

提供一种带雾图像修复方法，包括以下步骤：

S1：提取带雾图像的边缘图，利用掩膜将带雾图像转换为部分信息缺失图像；

S2：将部分信息缺失的图像、边缘图以及掩膜输入边缘修复网络，输出部分信息缺失图像的修复边缘；

S3：将修复边缘与部分信息缺失图像输入图像修复网络，输出修复图像。

本方案中通过掩膜对带雾图像进行破坏，从而将带雾图像转换为部分信息缺失的图像，这样生成的部分信息缺失图像叠加了缺失和带雾两种图像失真情况，其更加符合实际场景下图像的失真情况，在掩膜的提示作用下，利用图像的边缘信息对部分缺失信息的图像进行修复，提高了带雾图像修复的鲁棒性以及修复效果；另外边缘修复网络只对图像的边缘进行修复，涉及图像信息较少，因而计算量较少，可节省时间，大大提高修复速率。

优选地，上述的步骤S1开始前还包括建立数据库的步骤：

建立训练集和验证集；训练集包括若干带雾图像，验证集包括若干真值图像；

将训练集和验证集中的带雾图像均重设为第一设定大小；

将训练集中的带雾图像和验证集中的真值图像分别转换为第一灰度图、第二灰度图。