[发明专利]一种图像去雨雾方法、装置、设备及存储介质

权利要求书

1.一种图像去雨雾方法，其特征在于，包括：

采集数据集；所述数据集包括清晰图，与所述清晰图匹配的雨图和雾图；

利用采集到的所述数据集训练深度学习CGAN网络；

通过训练好的所述深度学习CGAN网络对待处理图像进行去雨雾处理。

2.根据权利要求1所述的图像去雨雾方法，其特征在于，利用采集到的所述数据集训练深度学习CGAN网络，具体包括：

对采集到的所述数据集进行分类，分为训练集和验证集；

将所述训练集输入至深度学习CGAN网络进行训练，自动调节所述深度学习CGAN网络中生成器和判别器的参数；

通过所述验证集在训练过程中观察所述深度学习CGAN网络的输出结果，判断是否需要人为修改超参数和初始化值。

3.根据权利要求2所述的图像去雨雾方法，其特征在于，将所述训练集输入至深度学习CGAN网络进行训练，自动调节所述深度学习CGAN网络中生成器和判别器的参数，具体包括：

构建条件生成深度学习CGAN网络；所述深度学习CGAN网络包括生成器和判别器这两个模型；

读取所述训练集，并将读取的所述训练集和随机噪声矩阵输入到所述生成器并生成新图像；

将所述生成器生成的新图像与所述清晰图通过所述判别器进行对比，根据对比结果计算损失函数；

根据所述损失函数计算出损失值，自动训练并继续调整所述生成器和所述判别器的参数，直至使所述损失函数的值为相对最小值或者epoch达到预设阈值为止。

4.根据权利要求3所述的图像去雨雾方法，其特征在于，调整所述生成器和所述判别器的参数，具体包括：

调节所述生成器的参数，使所述生成器内生成的新图像接近于所述清晰图，不被误判别；

调节所述判别器的参数，使损失函数内所述清晰图的判别概率越大，所述生成器内生成的新图像的判别概率越大。

5.根据权利要求1所述的图像去雨雾方法，其特征在于，采集数据集，具体包括：

将采集到的清晰图存入第一文件夹，将与所述清晰图匹配的雨图和雾图存入第二文件夹；

对相互匹配的所述清晰图、所述雨图和所述雾图进行相同命名；

将存入所述第一文件夹和所述第二文件夹中的图像大小调整为统一的图像格式，作为预先采集的数据集。

6.根据权利要求5所述的图像去雨雾方法，其特征在于，与所述清晰图匹配的雨图是对所述清晰图进行加雨效果得到的；

与所述清晰图匹配的雾图是对所述清晰图进行加雾效果得到的。

7.一种图像去雨雾装置，其特征在于，包括：

数据集采集模块，用于采集数据集；所述数据集包括清晰图，与所述清晰图匹配的雨图和雾图；

网络训练模块，用于利用采集到的所述数据集训练深度学习CGAN网络；

图像处理模块，用于通过训练好的所述深度学习CGAN网络对待处理图像进行去雨雾处理。

8.一种图像去雨雾设备，其特征在于，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至6任一项所述的图像去雨雾方法。

9.一种计算机可读存储介质，其特征在于，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的图像去雨雾方法。