[发明专利]适用于煤矿井下的图像去雾模型的训练方法及其装置

权利要求书

1.一种图像去雾模型的训练方法，其特征在于，包括：

获取尘雾环境下的第一尘雾样本图像和非尘雾环境下的无雾样本图像；

对所述无雾样本图象进行加雾处理，生成加雾图像；

获取所述第一尘雾样本图像的深度信息图；

基于所述深度信息图和所述加雾图像，获取第二尘雾样本图像；

基于所述第一尘雾样本图像、所述第二尘雾样本图像和所述无雾样本图像对图像去雾模型进行训练，以生成目标图像去雾模型。

2.根据权利要求1所述的方法，其特征在于，所述获取所述第一尘雾样本图像的深度信息图，包括：

获取所述第一尘雾样本图像的任一像素点的亮度值和饱和度值；

基于高斯分布，获取所述任一像素点的误差；

基于所述任一像素点的误差、所述任一像素点的亮度值和饱和度值，获取所述任一像素点的场景深度，以生成所述深度信息图。

3.根据权利要求2所述的方法，其特征在于，采用如下公式获取所述场景深度：

d(x)＝θ₀+θ₁×v(x)+θ₂×s(x)+ε(x)

其中，d(x)为所述第一尘雾样本图像中第x个像素点的场景深度，v(x)为所述第x个像素点的亮度值，s(x)为所述第x个像素点的饱和度值，ε(x)为所述第x个像素点的误差，θ₀、θ₁、θ₂为通过最大似然估计及梯度下降算法获取的系数。

4.根据权利要求1所述的方法，其特征在于，所述基于所述深度信息图和所述加雾图像，获取第二尘雾样本图像，包括：

对所述加雾图像进行卷积，获取第一特征图；

将所述第一特征图与所述深度信息图进行空间特征变换，获取第二特征图；

将所述第二特征图进行卷积后，输入残差网络，获取第三特征图；

将所述第三特征图进行上采样后，获取第四特征图；

将所述第四特征图与所述深度信息图进行空间特征变换，获取所述第二尘雾样本图像。

5.根据权利要求1所述的方法，其特征在于，所述基于所述第一尘雾样本图像、所述第二尘雾样本图像和所述无雾样本图像对图像去雾模型进行训练，以生成目标图像去雾模型，包括：

将所述第一尘雾样本图像输入所述图像去雾模型，获取第一去雾样本图像，将所述第二尘雾样本图像输入所述图像去雾模型，获取第二去雾样本图像；

将所述无雾样本图像和所述第一去雾样本图像进行匹配，获取第一匹配度，将所述无雾样本图像和所述第二去雾样本图像进行匹配，获取第二匹配度；

基于所述第一匹配度和所述第二匹配度，对所述图像去雾模型进行调整，获取所述目标图像去雾模型。

6.根据权利要求5所述的方法，其特征在于，所述图像去雾模型为循环生成对抗网络，所述图像去雾模型包括生成器和鉴别器。

7.根据权利要求6所述的方法，其特征在于，所述基于所述第一匹配度和所述第二匹配度，对所述图像去雾模型进行调整，包括：

响应于所述第一匹配度和所述第二匹配度未满足预设条件，对所述生成器进行调整，直至所述第一匹配度和所述第二匹配度满足所述预设条件。

8.一种图像去雾方法，其特征在于，包括：

获取尘雾环境下的待处理尘雾图像；

将所述待处理尘雾图像输入目标图像去雾模型中，以获取所述待处理尘雾图像对应的目标去雾图像。