[发明专利]一种基于多尺度卷积神经网络的单幅户外图像去雾方法

摘要

本发明公开了一种基于多尺度卷积神经网络的单幅户外图像去雾方法，属于计算机视觉领域。本发明包括以下步骤：根据大气散射模型，构造训练样本集；基于深度学习思想，搭建多尺度卷积神经网络；依据所搭建的多尺度卷积神经网络，构造目标函数；基于构造的目标函数，训练多尺度卷积神经网络。本发明无需获取户外图像的先验知识，并可有效地保存图像的边缘、纹理、色彩、对比度和饱和度等信息。

主权项

1.一种基于多尺度卷积神经网络的单幅户外图像去雾方法，其特征在于，包括如下步骤：(1)训练样本获取：获取无雾图像样本，利用大气散射模型对无雾图像样本进行雾化处理获得有雾图像样本，将无雾图像样本以及与其对应的有雾图像样本作为训练样本；(2)多尺度卷积神经网络模型：构建不少于三个的卷积层；每个卷积层的输出端连接一个Max Pooling池化层，每个Max Pooling池化层的输出端连接一个基于修正线性单元ReLu的非线性映射层；所有非线性映射层的输出端均与特征融合层连接；所述特征融合层的输出端连接一个对透射率进行处理的双边滤波层，利用双边滤波层输出的透射率对卷积层输入的有雾图像样本进行去雾处理；(3)多尺度卷积神经网络模型训练：利用步骤(1)中的有雾图像样本作为多尺度卷积神经网络模型的输入，利用步骤(1)中的无雾图像样本作为多尺度神经网络输出的判别标准，以目标函数最小化为目的，对多尺度卷积神经网络模型进行训练，进行参数求解；其中目标函数为：其中，c_i、w_i和h_i分别是第i个样本对应的平均RGB数值、平均对比度和平均饱和度；多尺度卷积神经网络的参数为Φ，第i个有雾图像样本为I_i，第i个有雾图像样本对应的无雾图像样本为J_i，训练样本的个数为N；(4)利用步骤(3)求解后的多尺度卷积神经网络模型对待处理的有雾图像进行去雾处理。