[发明专利]一种图像去雨雾方法、装置、设备及存储介质

说明书

本申请公开了一种图像去雨雾方法、装置、设备及存储介质，该方法包括：首先采集数据集；该数据集包括清晰图，与清晰图匹配的雨图和雾图；然后利用采集到的数据集训练深度学习CGAN网络；最后通过训练好的深度学习CGAN网络对待处理图像进行去雨雾处理。考虑到图像的生成在天气雨雾时可能会造成的模糊情况，本申请使用深度学习CGAN网络直接学习许多雨图和雾图，无论输入的待处理图像是雨图还是雾图时，都能有效识别，更好的利用整张图的特征，使图像特征信息不丢失，通过图像的相关性很好地还原出原图，达到很好的清晰化效果，更具有可靠性和准确性，并且能处理大多模糊图像，将图像清晰化更简便、更容易。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种图像去雨雾方法、装置、设备及存储介质。

背景技术

在雾天或者雨天拍照图像的时候，可能会在成图时形成些许模糊与遮挡，导致对图像的理解可能存在着困难，这时图像的清晰化就很有必要。

而现有的关于图像去雨或去雾的方法，仅仅基于一种模糊环境下对图像进行的处理，只能处理指定的一种雨图或者是雾图，这对于在未知情况下要达到去雨或去雾的效果是很难预知的，并不能通过一个程序达到一张图像自动识别的去雨或去雾。这是由于现有的方法都只是做图像的分割，只是对于雨的特征或者雾的特征提取，这对于图像的整体利用相对来说很少，所以处理只能达到单一的效果。

因此，如何自动识别雨图、雾图并进行有效去雨雾，是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种图像去雨雾方法、装置、设备及存储介质，可以通过深度学习CGAN网络更方便、更准确对待处理图像进行含雾和含雨的处理。其具体方案如下：

一种图像去雨雾方法，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。

优选地，在本发明实施例提供的上述图像去雨雾方法中，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。

优选地，在本发明实施例提供的上述图像去雨雾方法中，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。

优选地，在本发明实施例提供的上述图像去雨雾方法中，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；