[发明专利]一种基于ResNet神经网络的单幅图像去雾方法

权利要求书

1.一种基于ResNet神经网络的单幅图像去雾方法，其特征在于，包括以下步骤：

步骤一、获取同一个场景下的雨雾天气状况下的有雾图像及晴天的清晰图像，组成图像数据集，作为训练数据集；

步骤二、对步骤一中的图像数据集使用SIFT进行关键点匹配，校正图像的像素偏移；

步骤三、搭建一个基于ResNet的深度神经网络，ResNet神经网络输入为单幅有雾的场景图像；

步骤四、使用所搭建的深度神经网络，实现对降质图像进行端到端的去雾清晰化处理；

步骤三所搭建的ResNet神经网络包括多个卷积层和多尺度损失函数；多个卷积层包括一个对输入数据进行特征提取的卷积层和多个残差模块，每个残差模块包括2个卷积层；

所述ResNet神经网络的卷积层有23个，23个卷积层包括一个对输入数据进行特征提取的卷积层和10个残差模块；

所述ResNet神经网络的多尺度损失函数包括图像的色彩损失函数、图像纹理损失函数和图形细节信息损失函数；多尺度损失函数如下所示：

L_total＝0.4*L_detail+0.2*L_texture+0.8*L_color

其中L_color为色彩损失函数，L_texture为图像纹理损失函数，L_detail为图像细节信息损失函数。

2.根据权利要求1所述的基于ResNet神经网络的单幅图像去雾方法，其特征在于，所述色彩损失函数使用均方误差进行衡量，首先分别对输入图像和其对应的清晰图像进行高斯滤波模糊后，再计算两幅图像之间的均方误差；均方误差损失函数如式(1)所示：

L_color(Y_output,Y_clear)＝||Y_output-Y_clear||² (1)

其中，Y_output表示高斯滤波模糊后的网络输出图像，Y_clear表示高斯滤波模糊后采集到的清晰的图像。

3.根据权利要求1所述的基于ResNet神经网络的单幅图像去雾方法，其特征在于，所述图像纹理损失函数通过一个生成对抗网络进行学习得到；图像纹理损失函数定义如式(2)所示：

其中F_W表示生成对抗网络，D表示判别网络,I_output表示深度神经网络输出结果，I_clear表示数据集中的清晰图像。

4.根据权利要求1所述的基于ResNet神经网络的单幅图像去雾方法，其特征在于，所述图像细节信息损失函数如式(3)所示：

其中A、B表示分别对高斯滤波模糊后采集到的清晰图像Y_clear和高斯滤波模糊后的网络输出图像Y_output进行Canny边缘检测所得的图像。