[发明专利]一种基于生成对抗网络的图像优化处理去雨滴方法和系统

说明书

本发明公开了一种基于生成对抗网络的图像优化处理去雨滴方法和系统，包括：A、采集原始清晰图像，得到测试样本集；B、将原始清晰图像通过图像处理软件进行加雨滴处理，得到训练样本集；C、将训练样本集中的带雨滴图像进行降噪处理；D、将降噪处理后的图像进行分割，得到分割后的多个图像；E、构建生成式网络，将分割后的图像以及训练样本集中原始清晰图像输入生成式网络中进行训练获得最优输出模型，最后将分割后的图像输入到最优输出模型中得到清晰图像；F、将清晰的多个图像根据原始清晰图像进行拼接；G、最后对拼接的图像进行优化处理。本发明采用的图像去雨滴方法操作简单，成本低，去雨滴效果好，使得生成的图像更加清晰直观。

技术领域

本发明涉及图像去雨滴技术领域，具体为一种基于生成对抗网络的图像优化处理去雨滴方法和系统。

背景技术

雨天条件下,所拍摄的图像和视频容易受到雨滴的散射和模糊作用,使得图像成像模糊,能见度下降,极大的限制了室外视觉处理算法的性能。导致照相机获取的图像劣化，使得图像对比度低、可见性差，质量严重下降。

目前，图像去雨算法主要可以分为三类：第一类是基于图像增强，但是基于图像增强会丢失图像的某些信息特征。第二类是基于物理模型的图像复原，图像复原算法的目的为获得具有良好可见性，同时保持良好的颜色恢复性能的自然清晰的图像；基于模糊条件下图像的劣化原因来建立大气散射的物理模型，首先需要估计物理参数模型，如大气光照强度和透射率(深度)，然后逆解该物理模型来获得无雨图像，但是基于物理模型的图像复原处理范围有限；第三类为基于深度学习的图像去雨算法，例如卷积神经网络应用于图像去雨。现有的图像去雨方法均能够实现对图像的去雨处理，但是效率低，而且去雨后影响图像的分辨率，因此，有必要进行改进。

发明内容

本发明的目的在于提供一种基于生成对抗网络的图像优化处理去雨滴方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于生成对抗网络的图像优化处理去雨滴方法，包括以下步骤：

A、采集原始清晰图像，得到测试样本集；

B、将原始清晰图像通过图像处理软件进行加雨滴处理，得到训练样本集；

C、将训练样本集中的带雨滴图像进行降噪处理；

D、将降噪处理后的图像进行分割，得到分割后的多个图像；

E、构建生成式网络，将分割后的图像以及训练样本集中原始清晰图像输入生成式网络中进行训练获得最优输出模型，最后将分割后的图像输入到最优输出模型中得到清晰图像；

F、将清晰的多个图像根据原始清晰图像进行拼接；

G、最后对拼接的图像进行优化处理。

优选的，所述步骤E中获得最优输出模型的具体实施方式如下：

Ea、通过残差网络构建生成器网络模块和判别器网络模型；

Eb、将降噪处理并分割后的图像输入生成器网络模型中，输出图像；

Ec、将训练样本集中原始清晰图像输入判别器网络模型中，得到训练神经网络模型；

Ed、最后将步骤Eb输出的图像输入训练神经网络模型中，得到最优输出模型。

优选的，所述步骤G中图像优化处理的具体实施方式如下：

Ga、将输出的图像的像素根据亮度值分成若干个图层，每个图层的亮度不同；

Gb、对于亮度最低的图层以及亮度最大的图层，先单独进行直方图均衡化处理，再去除背景噪声，最后进行噪点去除；

Gc、将处于最低亮度和最高亮度中间的图层先去除噪点，再去除背景噪声，最后进行直方图均衡化处理；