[发明专利]基于上下文感知注意力的低光图像去雾方法

说明书

本发明公开了一种基于上下文感知注意力的低光图像去雾方法，主要解决现有技术模型泛化能力较差且恢复的图像色偏严重和纹理不清晰的问题。其方案是：依据MSBDNet框架，构建基于上下文感知注意力的低光图像去雾网络；将获取的清晰无雾图像集J_t'和清晰低光有雾图像集I_t'作为训练图像集；构建网络的联合总损失公式；将J_t'、I_t'按批量大小分别平分为多个配对的图像组，并依次循环输入400次至神经网络完成训练；将需要去雾的图像I_c输入至训练完成的低光去雾神经网络，输出清晰无雾图像J_c。本发明能很好的恢复图像的色调及细节信息，其峰值信噪比和结构相似性两个指标均高于或接近现有技术，可用于低光有雾图像的清晰化处理。

技术领域

本发明属于数字图像处理技术领域，特别涉及一种低光图像去雾方法,可用于对低光照环境下成像系统拍摄的单幅有雾图像的清晰化处理。

背景技术

现阶段受雾霾天气的影响，图像采集设备捕获的图像往往存在对比度低、色调偏移、部分信息辨识性差的现象。这些退化的图像严重影响了各类视觉信息处理系统的性能。现有的去雾算法，虽说可弥补部分雾天环境造成的负面影响。然而大多算法都是以白天光照充足的场景下去雾为主，而忽视了夜间、清晨这些光照不足、光源微弱的低光照场景。因此，研究低光照场景下的图像去雾有着更为重要的意义和应用价值。

传统的低光图像去雾算法根据建模的来源可分为两类，一类是基于大气散射模型及其改进模型；另一类则是根据低光照场景的特点，结合多光源和辉光因素，建立适合低光照场景成像规律的模型。其中：

大气散射模型作为正常光照场景下去雾经典模型，部分学者认为在对大气散射模型增加约束后，便可以适用于低光照场景。典型的方法如Jiang等人提出了一种基于引导图像滤波理论的低光照图像去雾方法，见Jiang B,Meng H,Ma X,et al.Nighttime imageDehazing with modified models of color transfer and guided image filter[J].Multimedia tools and applications,2018,77(3):3125-3141；Lin等人提出了一种改进的大气散射模型，以去除单幅图像的雾霾，见Lin J,Zhang X,Li H,et al.Nighttimeimage haze removal and enhancement based on improved atmospheric scatteringmodel[C]//2018International Conference on Image and Video Processing,andArtificial Intelligence.International Society for Optics and Photonics,2018,10836:1083607.这类基于大气散射模型及其改进模型的方法均是针对低光照场景进行了部分改进，虽然有效改善了图像质量，对部分图像能够取得良好的去雾效果，但由于其是基于正常光照场景进行建模，导致其泛化能力不足，对色彩信息的辨识能力较弱，易产生严重的色偏。