[发明专利]一种基于深度学习的单幅图像去雾方法

摘要

本发明公布了一种基于深度学习的单幅图像去雾方法，属于图像处理领域。本发明根据成雾模型的公式I(x,y)＝T(x,y)J(x,y)+(1‑T(x,y))A，可以变换推导出公式利用深度卷积神经网络技术求得无雾高清图像J(x,y)。采用本发明图像去雾效果好；且采用矩阵加法操作，处理速度快。

主权项

一种单幅图像去雾的方法，其步骤包括：A.散射效果消除，获得实现方法为：A1.将该步骤的输入数据I进行卷积Conv1操作，其中Conv1(I)＝W1I+B1；W1是该卷积层神经元的参数，B1是偏置量；A2.将卷积操作后的图像的每个像素点的值进行ReLU操作处理，之后输出，其中ReLU(x)＝max(x,0)，即当该值小于或等于0时，处理结果为0，当该值取值大于0时，处理结果为原数值不变；得到图像数据B.大气光影响计算，获得实现方法为：B1.将该步骤的输入数据用I′表示，对其进行卷积Conv2操作，其中Conv2操作是Conv2(I)＝W2I′+B2；W2是该卷积层神经元的参数，B2是偏置量；B2.将卷积操作后的图像的每个像素点的值进行ReLU操作处理，之后输出，其中ReLU(x)＝max(x,0)，即当该值小于或等于0时，处理结果为0，当该值取值大于0时，处理结果为原数值不变；将处理后的图像数据表示为I″；B3.进行Conv3操作，其中Conv3操作是Conv3(I″)＝W3I″+B3；W3是该卷积层神经元的参数，B3是偏置量；B4.将卷积操作后的图像的每个像素点的值进行ReLU操作处理，之后输出，其中ReLU(x)＝max(x,0)，即当该值小于或等于0时，处理结果为0，当该值取值大于0时，处理结果为原数值不变；得到图像数据C.融合操作，实现方法为：C1.将A步骤获得的结果与B步骤获得的结果相加，即获得根据公式得到无雾高清图像J(x,y)。