[发明专利]一种训练识别图像雾化的方法和装置

说明书

本申请提供了一种训练识别图像雾化的方法和装置，所述方法包括：获取训练数据，其中，所述训练数据包括样本有雾图像或样本无雾图像；利用所述训练数据训练第一网络模型达到预设识别图像雾化的精度，从而获得优化的第一网络模型；其中，所述第一网络模型，包括特定结构的VGG19网络模型及依次连接在所述特定结构的VGG19网络模型后的三个全连接层和一个Softmax层；所述特定结构的VGG19网络模型，包括VGG19网络模型的输入层、池化层和卷积层；在训练过程中所述特定结构的VGG19网络模型的预设参数保持不变且对所述全连接层和所述Softmax层的权重值和偏移量进行梯度更新。本申请可对高分遥感图像进行有雾条件下的目标检测与识别。

技术领域

本申请涉及图像处理领域，具体涉及训练识别图像雾化的方法，以及训练识别图像雾化的装置，以及识别图像雾化的方法，以及识别图像雾化的装置。

背景技术

近年雾霾天气持续出现，被国际上列为十大灾害天气之一，对交通运输系统、电力系统和生产生活均有不同程度的影响，其中尤其对道路交通运输的影响特别严重。科学家们发现，气溶胶是形成雾霾天气主要的原因，其影响范围广，远远超出风和气流带动的范围，从而使受影响的地区越来越多。

高分遥感影像信息丰富、影像清晰，在我国环境遥感的精细化和定量监测方面发挥了更好的作用，但是在获取过程中容易受到云、雾、霾等因素的影响，导致部分影像成像区域被云雾覆盖、遮挡，严重影响了遥感影像的视觉效果。以云雾遮挡遥感影像为基础，实现云雾遮挡遥感影像的高效利用是遥感影像处理领域的重要研究方向。

雾天所拍摄的图像由于受到大气凝胶等微粒散射作用的影响，导致场景能见度不同程度的降低，图像质量下降，从而极大地影响了视频图像效果和后期分析处理。因此很多学者对图像去雾进行了深入的研究，提出许多雾天退化图像还原和增强的方法，非常巧妙地使降质图像变得更清晰，更符合人们视觉感受。但是如果原本图像并没有雾，经过去雾处理反而会使图像变得糟糕。

发明内容

本申请提供一种训练识别图像雾化的方法，以及一种训练识别图像雾化的装置，以及一种识别图像雾化的方法，以及一种识别图像雾化的装置；以解决无法正确识别图像中雾化的问题。

为了解决上述技术问题，本申请实施例提供了如下的技术方案：

本申请提供了一种训练识别图像雾化的方法，包括：

获取训练数据，其中，所述训练数据包括样本有雾图像或样本无雾图像；

利用所述训练数据训练第一网络模型达到预设识别图像雾化的精度，从而获得优化的第一网络模型；

其中，所述第一网络模型，包括特定结构的VGG19网络模型及依次连接在所述特定结构的VGG19网络模型后的三个全连接层和一个Softmax层；所述特定结构的VGG19网络模型，包括VGG19网络模型的输入层、池化层和卷积层；在训练过程中所述特定结构的VGG19网络模型的预设参数保持不变且对所述全连接层和所述Softmax层的权重值和偏移量进行梯度更新。优选的，所述利用所述训练数据训练第一网络模型达到预设识别图像雾化的精度，从而获得优化的第一网络模型，包括：

从所述训练数据中获取训练批的批训练数据；

将所述批训练数据输入所述第一网络模型中获取批训练结果；

判断所述批训练结果是否满足预设识别图像雾化的精度；

若否，则根据所述批训练结果调整所述全链接层和所述Softmax层的权重值和偏移量，并继续上述步骤；

若是，则获得所述优化的第一网络模型。

优选的，所述判断所述批训练结果是否满足预设识别图像雾化的精度，包括：

通过损失函数判断所述批训练结果是否满足预设识别图像雾化的精度。