[发明专利]基于多尺度卷积的轻量级神经网络单图像去雾方法

权利要求书

1.一种基于多尺度卷积的轻量级神经网络单图像去雾方法，其特征在于：包括以下步骤：

(1)将数据集划分为训练集、验证集和测试集；

(2)利用训练集和验证集训练提出的网络模型；

(3)利用测试集测试训练好的模型；

(4)采用度量标准对模型进行评估。

2.根据权利要求1所述的一种基于多尺度卷积的轻量级神经网络单图像去雾方法，其特征在于：步骤(1)，将数据集RESIDE-beta的part1选出作为训练过程中用到的数据集；其中，将part1的90％作为训练集，10％作为验证集，将RESIDE数据集标准版的混合主观测试集选出作为仿真数据测试集；并将提出的真实场景图片构成的数据集作为定性比价的测试集。

3.根据权利要求1所述的一种基于多尺度卷积的轻量级神经网络单图像去雾方法，其特征在于：步骤(2)，将训练集中的图片逐一输入待训练的网络模型，首先通过多尺度块的第一个子块得到四组特征图的叠加组合；然后将得到的四个第一子块分支的特征图重叠到一起，并作为多尺度块第二个子块的输入；第二个子块输出的特征图先后经过三个卷积层得到三通道的特征；设置一个用于保留原图片信息的全局跳跃连接；最后经过激活函数得到与雾图对应的清晰图片。

4.根据权利要求3所述的一种基于多尺度卷积的轻量级神经网络单图像去雾方法，其特征在于：第一个子块包括四个第一子块分支，四个第一子块分支的设置为：

第一子块分支一：输入图片通过一个1×1的卷积；

第一子块分支二：输入图片首先通过一个3×3的平均池化，再通过一个1×1卷积；

第一子块分支三：输入图片先后通过1×1卷积和3×3卷积；

第一子块分支四:输入图片先后通过1×1，3×3，3×3卷积。

5.根据权利要求4所述的一种基于多尺度卷积的轻量级神经网络单图像去雾方法，其特征在于：第二子块包含四个第二子块分支，四个第二子块分支的设置为：

第二分支一：是一个1×1卷积；

第二分支二：首先经过平均池化再经过一个1×1卷积；

第三分支三：包含一个1×1卷积和一个1×7，7×1的卷积对；

第四分支四：包含一个1×1卷积和两个1×7，7×1的卷积对。

6.根据权利要求4所述的一种基于多尺度卷积的轻量级神经网络单图像去雾方法，其特征在于：所有卷积层都紧跟着正则化操作和激活函数；通过损失函数在训练过程中利用Adam算法进行反向传播更新卷积层的参数；其中，损失函数为清晰图像和经过该网络的输出图像的欧几里得距离，同时监测验证集上的损失函数变化情况。

7.根据权利要求1所述的一种基于多尺度卷积的轻量级神经网络单图像去雾方法，其特征在于：步骤(3)，将待测试的测试集图片逐一输入到训练好的网络模型，直接得到对应的去雾图片。

8.根据权利要求1所述的一种基于多尺度卷积的轻量级神经网络单图像去雾方法，其特征在于：步骤(4)，将获得的去雾图片，与用于合成雾图的清晰图片分别在多个数据集上求它们的峰值信噪比和结构自相似性以评估它们的去雾效果。