[发明专利]一种基于深度卷积神经网络的单幅图像去雾方法

权利要求书

1.一种基于深度卷积神经网络的单幅图像去雾方法，其特征在于，包括如下步骤：

第一步、获得输入图像，并将其经由预先训练好的粗景深图像提取网络处理，得到粗景深图像；

第二步、构建以输入图像以及粗景深图像作为输入的景深图像细化网络；

第三步、将所述的粗景深图像和输入图像作为共同的输入送到景深图像细化网络中，得到精细化的景深图像d(x)；

第四步、对大气散射系数β进行估计，通过下列公式求解出相应的透射率图像t(x)：

t(x)＝e^-βd(x)

第五步、对大气光值A进行估计；

第六步、利用前述步骤所求得的景深图像d(x)、大气散射系数β、透射率图像t(x)以及大气光值A，将其代入下列大气散射模型的数学表达式中，对输入图像进行去雾清晰化处理：

J(x)=I(x)-Ae-βd(x)+A]]>

式中I(x)表示有雾图像；J(x)表示无雾图像。

2.根据权利要求1所述的基于深度卷积神经网络的单幅图像去雾方法，其特征在于，所述第五步估计大气光值A的步骤具体如下：

1)预设阈值θ，最佳阈值θ通过实验进行预估计；

2)将输入图像中大于阈值的像素点进行屏蔽，得到预处理后的图像；

3)在预处理后的图像中，统计图像中最亮的前1％像素值，并以这些像素点的均值作为大气光值的估计值。

3.根据权利要求2所述的基于深度卷积神经网络的单幅图像去雾方法，其特征在于，所述阈值θ的最佳取值通过在[0.8，0.95]之间进行一系列的对比试验进行预估计。

4.根据权利要求3所述的基于深度卷积神经网络的单幅图像去雾方法，其特征在于，所述阈值θ取0.83。

5.根据权利要求1所述的基于深度卷积神经网络的单幅图像去雾方法，其特征在于，第一步中所述预先训练好的粗景深图像提取网络，为针对从输入图像求取景深图像构建而成的基于深度卷积神经网络的模型。

6.根据权利要求1或5所述的基于深度卷积神经网络的单幅图像去雾方法，其特征在于，第一步中所述预先训练好的粗景深图像提取网络包括依次连接的11*11的卷积层、2*2的池化层、两个5*5的卷积层、sppNet以及两个全连接层。

7.根据权利要求1所述的基于深度卷积神经网络的单幅图像去雾方法，其特征在于，第二步所构建的景深图像细化网络包括依次连接的11*11的卷积层、sppNet、两个5*5的卷积层以及一个全连接层，由第一个5*5的卷积层对输入图像和粗景深图像进行拼接。

8.根据权利要求1所述的基于深度卷积神经网络的单幅图像去雾方法，其特征在于，第四步所述大气散射系数β使用grid search方法进行估计，从[0.1，2]的区间中每隔0.1的步长进行一系列的实验，根据最终的实验结果进行选定。

9.根据权利要求8所述的基于深度卷积神经网络的单幅图像去雾方法，其特征在于，所述大气散射系数β选定为0.9。