[发明专利]图像去雾方法、装置及计算机可读存储介质

说明书

本公开是关于一种图像去雾方法、装置及计算机可读存储介质，属于图像处理领域，所述方法包括：获取目标带雾图像，所述目标带雾图像为待去雾的图像；基于去雾网络模型，对所述目标带雾图像进行去雾处理，所述去雾网络模型为对对抗网络模型进行训练后得到。本公开通过对对抗网络模型训练得到的去雾网络模型，可以对目标带雾图像进行去雾处理。由于通常情况下，对抗网络模型能够使需要处理的数据分布接近最真实的分布，因此，通过对对抗网络模型进行训练得到的去雾网络模型对目标带雾图像进行去雾时，能够尽最大可能的恢复目标带雾图像的图像细节，避免了图像的失真，从而提高了图像去雾的效果。

技术领域

本公开涉及图像处理领域，尤其涉及一种图像去雾方法、装置及计算机可读存储介质。

背景技术

目前，在众多领域都需要应用到图像处理技术，比如，智能导航、公路视觉监视、卫星遥感监测等领域。但是，由于在雾、霾、雨、雪等恶劣天气下拍摄的图像往往模糊不清，且细节不明显，色彩保真度下降，大大降低了图像的应用价值，给图像识别带来困难。因此，为了提高图像利用率，往往需要对带雾图像进行去雾处理。

相关技术中，可以基于图像增强的算法进行图像去雾，比如，直方图均衡化算法、基于小波变换的图像增强算法等。其中，当通过直方图均衡化算法进行去雾处理时，终端可以获取带雾图像，并计算该带雾图像的图像直方图，根据该带雾图像的图像直方图计算灰度值变化表，将该图像直方图使用灰度变换表进行查表变换操作，通过遍历每一个像素点，将带雾图像的各个像素点的灰度值放入交换表中，可得到各个像素点的新灰度值。

发明内容

本公开提供了一种图像去雾方法、装置及计算机可读存储介质，用于解决相关技术中去雾效果差的问题。

根据本公开实施例的第一方面，提供一种图像去雾方法，所述方法包括：

获取目标带雾图像，所述目标带雾图像为待去雾的图像；

基于去雾网络模型，对所述目标带雾图像进行去雾处理，所述去雾网络模型为对对抗网络模型进行训练后得到。

可选地，所述基于去雾网络模型，对所述目标带雾图像进行去雾处理之前，还包括：

获取去雾图像训练集，所述去雾图像训练集包括N个不带雾样本图像和N个带雾样本图像，所述N为大于或等于1的正整数；

基于所述去雾图像训练集，对所述对抗网络模型进行训练，得到所述去雾网络模型。

可选地，所述基于所述去雾图像训练集，对所述对抗网络模型进行训练，得到所述去雾网络模型，包括：

基于生成网络模型，对所述N个带雾样本图像进行处理，得到N个去雾样本图像，基于判别网络模型，对所述N个去雾样本图像和所述N个不带雾样本图像进行处理，得到2N个概率值，所述生成网络模型为所述对抗网络模型中进行图像去雾的网络模型，所述判别网络模型为所述对抗网络模型中用于确定图像去雾准确率的网络模型；

基于所述2N个概率值和第一预设损失函数训练所述判别网络模型，得到训练后的判别网络模型；基于所述N个去雾样本图像和第二预设损失函数，对所述生成网络模型进行训练，得到训练后的生成网络模型；

从所述N个带雾样本图像中选择一个带雾样本图像，基于所述训练后的生成网络模型，对选择带雾样本图像进行处理，得到选择的带雾样本图像对应的去雾样本图像；

基于所述训练后的判别网络模型，对选择的带雾样本图像对应的去雾样本图像进行处理，得到一个概率值；当得到的概率值不为预设概率时，将所述训练后的生成网络模型作为所述生成网络模型，将所述训练后的判别网络模型作为所述判别网络模型，并返回所述基于生成网络模型，对所述N个带雾样本图像进行处理，得到N个去雾样本图像的步骤，直至得到的概率值为所述预设概率时，将最终训练得到的生成网络模型确定为所述去雾网络模型。

可选地，所述第一预设损失函数如下：