[发明专利]基于残差细节增强的无人机航拍图像去雾方法及装置

权利要求书

1.一种基于残差细节增强的无人机航拍图像去雾方法，其特征在于，包括：

获取不同场景下的无人机航拍雾天图像作为待处理有雾图像；

将所述待处理有雾图像分解为基础分量图像和细节分量图像；

对所述待处理有雾图像的基础分量图像进行去雾处理，得到去雾后的基础分量图像，所述去雾处理为多尺度残差网络算法；

对所述待处理有雾图像的细节分量图像进行细节增强处理，得到增强后的细节分量图像并作为去雾后图像的细节分量图像，细节增强处理采用非线性回归细节增强算法；

将去雾后的所述基础分量图像和细节增强后的所述细节分量图像做加和处理，得到去雾后的图像。

2.根据权利要求1所述的基于残差细节增强的无人机航拍图像去雾方法，其特征在于，将所述待处理有雾图像分解为基础分量图像和细节分量图像，包括：

将所述待处理有雾图像通过高斯核函数滤波处理分解为基础分量图像和细节分量图像。

3.根据权利要求1或2所述的基于残差细节增强的无人机航拍图像去雾方法，其特征在于，还包括：

获取多对同一场景下的雾天图像及其对应的清晰图像作为训练数据集；

分别将所述训练数据集中雾天图像及其对应的清晰图像样本分解为基础分量图像和细节分量图像。

4.根据权利要求3所述的基于残差细节增强的无人机航拍图像去雾方法，其特征在于，对待处理有雾图像的基础分量图像进行去雾处理，得到去雾后的基础分量图像，包括：

构建基于ResNet的去雾网络模型；

将所述雾天图像的基础分量图像及其对应的清晰图像的基础分量图像分别作为训练样本输入所述ResNet去雾网络模型进行训练，得到训练完成的ResNet去雾网络模型；

将待处理有雾图像的基础分量图像输入至训练完成的ResNet去雾网络模型，得到待处理有雾图像的基础分量与其对应的去雾后图像的基础分量之间的负残差；

再将所述待处理的有雾图像的基础分量与所述负残差相加，得到去雾后图像的基础分量。

5.根据权利要求4所述的基于残差细节增强的无人机航拍图像去雾方法，其特征在于，所述ResNet去雾网络模型深度设置为26层，前25层由Conv、BN和Relu组成，第26层由Conv和BN组成，参数设置为16×3×3×3，所述第26层用于估计出基础分量的负残差映射；

第1层中的参数设置为3×3×3×16，第2层～第25层的参数设置为16×3×3×16；

每层滤波器的尺寸为16；

第26层参数设置为16×3×3×3。

6.根据权利要求3所述的基于残差细节增强的无人机航拍图像去雾方法，其特征在于，对待处理有雾图像的细节分量图像进行细节增强处理，得到增强后的细节分量图像并作为去雾后图像的细节分量图像，包括：

构建细节增强网络模型；

将所述雾天图像的细节分量图像及其对应的清晰图像的细节分量图像作为训练样本输入所述细节增强网络模型进行训练，得到训练完成的细节增强网络模型并得到细节增强因子；

将待处理的有雾图像的细节分量图像与通过训练完成的细节增强网络得到的增强因子相乘，得到增强后的细节分量图像并作为去雾后图像的细节分量图像。

7.根据权利要求6所述的基于残差细节增强的无人机航拍图像去雾方法，其特征在于，所述细节增强网络依次包括两个卷积层和一个平均操作层；

所述两个卷积层中：

第一个卷积层含有32个卷积核大小为11×11的滤波器，且以2×2的步长缩小特征通道的大小；

第二个卷积层为1个核大小为1×1的滤波器，步长为1×1。