[发明专利]一种基于透射谱指导的多级对比度拉伸去雾方法

说明书

本发明提供了一种基于透射谱指导的多级对比度拉伸去雾方法，利用第一编解码网络生成有雾图片的透射谱，并利用透射谱与雾浓度的关系将所述有雾图片分成浓雾区域和薄雾区域；分别对所述浓雾区域和薄雾区域进行多级对比度拉伸预处理，结合所述浓雾区域的预处理结果利用第二编解码网络对所述浓雾区域进行修复，以及结合所述薄雾区域的预处理结果利用第三编解码网络对所述薄雾区域进行修复；利用密集卷积块对增强后的浓雾区域和薄雾区域的特征进行融合处理，得到去雾后的图像。本发明通过上述设计解决了去雾中不均匀的大气和细节信息缺失的问题。

技术领域

本发明属于单图像去雾领域，尤其涉及一种基于透射谱指导的多级对比度拉伸去雾方法。

背景技术

图像恢复不仅能改善图片的可视化程度，而且好的图像恢复可以更有效的进行检测、分割等高级任务。图像去雾是图像恢复中的一个重要分支，当光在诸如雾霾的介质中传播时，由于粒子的散射，图像信息发生严重的劣化，这极大地限制了图像的应用价值。在以往的去雾算法中，由雾带来的不均匀大气和细节信息缺失的影响，并没有得到有效的解决。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于透射谱指导的多级对比度拉伸去雾方法解决了去雾中不均匀大气和细节信息缺失的问题。

为了达到以上目的，本发明采用的技术方案为：

本方案提供一种基于透射谱指导的多级对比度拉伸去雾方法，包括如下步骤：

S1、利用第一编解码网络生成有雾图片的透射谱，并利用透射谱与雾浓度的关系将所述有雾图片分成浓雾区域和薄雾区域；

S2、分别对所述浓雾区域和薄雾区域进行多级对比度拉伸预处理；

S3、利用第二编解码网络对所述浓雾区域的预处理结果以及所述浓雾区域进行修复，以及利用第三编解码网络对所述薄雾区域的预处理结果以及所述薄雾区域进行修复；

S4、利用密集卷积块对修复后的浓雾区域和薄雾区域的特征进行融合处理，得到去雾后的图像。

进一步地，所述步骤S1中透射谱的损失函数Trans_loss表达式如下：

其中，N表示每张有雾图片的像素总个数，x表示像素，T(·)表示训练得到的透射图，O(·)表示真实的透射图。

再进一步地，所述步骤S1中第一编解码网络的构建包括如下步骤：

A1、对U-net网络分别进行8倍下采样和8倍上采样，并在所述U-net网络的编码端设置Resnet-18在ImageNet数据集上的预训练模型；

A2、在所述U-net网络的上采样端设置亚像素卷积层，从而完成对所述第一编解码网络的构建。

再进一步地，所述步骤S2中利用多级对比度拉伸修复后的浓雾区域和薄雾区域的图像特征信息的表达式如下：

g＝a log(|b|f+1)+c(e^df-1)

其中，g表示对比度拉伸后的图像特征信息，f表示需要进行对比度拉伸的图像，a、b、c、d分别表示对比度拉伸的模式和等级的参数。

再进一步地，所述步骤S3中第二编解码网络的滤波器通道大于所述第三编解码网络的滤波器通道，且所述第二编解码网络和第三编解码网络的底部均设置有金字塔池化模型。

再进一步地，所述第二编解码网络的构建包括如下步骤：

B1、对U-net网络分别进行16倍下采样和16倍上采样，并在所述U-net网络的编码端设置Resnet-50在ImageNet数据集上的预训练模型；