[发明专利]一种基于透射图引导的单幅图像多解码器去雾方法有效
申请号: | 202210558654.0 | 申请日: | 2022-05-20 |
公开(公告)号: | CN115205135B | 公开(公告)日: | 2023-03-17 |
发明(设计)人: | 王念;崔智高;苏延召;李爱华;兰云伟;张炜 | 申请(专利权)人: | 中国人民解放军火箭军工程大学 |
主分类号: | G06T5/00 | 分类号: | G06T5/00;G06T5/50;G06N3/0464;G06N3/09 |
代理公司: | 西安创知专利事务所 61213 | 代理人: | 马凤云 |
地址: | 710025 陕西*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 透射 引导 单幅 图像 解码器 方法 | ||
1.一种基于透射图引导的单幅图像多解码器去雾方法,其特征在于,该方法包括以下步骤:
步骤一、设计基于透射图引导的去雾网络对单张的有雾图像去雾,过程如下:
步骤101、利用合成雾天数据集作为图像训练样本集,并将图像训练样本集中每张有雾图像归一化到固定尺寸;
步骤102、调取一张有雾图像作为输入有雾图像,将输入有雾图像视为第一尺度特征雾天图像H1,对第一尺度特征雾天图像H1进行下采样得到第二尺度特征雾天图像H2,对第二尺度特征雾天图像H2进行下采样得到第三尺度特征雾天图像H3,对第三尺度特征雾天图像H3进行下采样得到第四尺度特征雾天图像H4;
步骤103、根据公式Ri=RBs(Hi),将每一个尺度上的特征雾天图像输入到级联的残差模块中进行特征增强,得到每一个尺度上对应的增强特征雾天图像Ri,其中,i=1,2,3,4,RBs(·)为级联的残差模块;
步骤104、根据公式T_64=Conv1(R4),得到第四尺度上的透射图特征T_64,其中,Conv1(·)为以透射图为监督信号的卷积降维模块;
根据公式DI_64=Conv2(R4),得到第四尺度上的初始去雾图像特征DI_64,其中,Conv2(·)为以无雾图像为监督信号的卷积降维模块;
根据公式得到第四尺度上的改进去雾图像特征M_64,其中,A为注意力模块,为像素级乘法器;
根据公式T4=Convt4(T_64),得到第四尺度上输出的透射图T4,其中,Convt4(·)为第四尺度上输出透射图的卷积层;
根据公式D4=Convd4(M_64),得到第四尺度上输出的去雾图D4,其中,Convd4(·)为第四尺度上输出去雾图的卷积层;
根据公式U3=I(R3),得到第三尺度上有雾特征图像U3,其中,R3为R4上采样到R3对应尺寸的有雾图像,I(·)为双线性插值函数;
步骤105、根据公式得到第三尺度上的融合降维图像F3,为通道融合模块,Conv(·)为卷积降维模块;
根据公式T_128=Conv1(F3),得到第三尺度上的透射图特征T_128;
根据公式DI_128=Conv2(F3),得到第三尺度上的初始去雾图像特征DI_128;
根据公式得到第三尺度上的改进去雾图像特征M_128;
根据公式T3=Convt3(T_128),得到第三尺度上输出的透射图T3,其中,Convt3(·)为第三尺度上输出透射图的卷积层;
根据公式D3=Convd3(M_128),得到第三尺度上输出的去雾图D3,其中,Convd3(·)为第三尺度上输出去雾图的卷积层;
根据公式U2=I(F3),得到第二尺度上有雾特征图像U2,其中,F3为F3上采样到R2对应尺寸的有雾图像;
步骤106、根据公式得到第二尺度上的融合降维图像F2;
根据公式T_256=Conv1(F2),得到第二尺度上的透射图特征T_256;
根据公式DI_256=Conv2(F2),得到第二尺度上的初始去雾图像特征DI_256;
根据公式得到第二尺度上的改进去雾图像特征M_256;
根据公式T2=Convt2(T_256),得到第二尺度上输出的透射图T2,其中,Convt2(·)为第二尺度上输出透射图的卷积层;
根据公式D2=Convd2(M_256),得到第二尺度上输出的去雾图D2,其中,Convd2(·)为第二尺度上输出去雾图的卷积层;
根据公式U1=I(F2),得到第一尺度上有雾特征图像U1,其中,F2为F2上采样到R1对应尺寸的有雾图像;
步骤107、根据公式得到第一尺度上的融合降维图像F1;
根据公式T_512=Conv1(F1),得到第一尺度上的透射图特征T_512;
根据公式DI_512=Conv2(F1),得到第一尺度上的初始去雾图像特征DI_512;
根据公式得到第一尺度上的改进去雾图像特征M_512;
根据公式T1=Convt1(T_512),得到第一尺度上输出的透射图T1,其中,Convt1(·)为第一尺度上输出透射图的卷积层;
根据公式D1=Convd1(M_512),得到第一尺度上输出的去雾图D1,其中,Convd1(·)为第一尺度上输出去雾图的卷积层;
步骤二、根据公式计算损失函数L,其中,xi为尺度i上真实的透射图,yi为尺度i上真实的无雾图,为尺度i上第一权重系数,λi2为尺度i上第二权重系数;
步骤三、更新权重参数集合:将损失函数L送入Adam优化器,对步骤一的基于透射图引导的去雾网络训练优化,更新基于透射图引导的去雾网络的权重参数集合;
步骤四、调取一张新的有雾图像,循环步骤一至步骤三,直到训练达到预设训练步数或者损失值不再下降或损失值小于0.015即停止训练,此时,得到去雾网络的最终权重参数集合,并确定最终的去雾网络;
步骤五、单张实际有雾图像去雾:将单张实际有雾图像送入基于透射图引导的去雾网络对单张实际有雾图像去雾,同时获得实际有雾图像的透射图和无雾图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军火箭军工程大学,未经中国人民解放军火箭军工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210558654.0/1.html,转载请声明来源钻瓜专利网。