[发明专利]一种基于暗通道的深度学习数据集生成方法

权利要求书

1.一种基于暗通道的深度学习数据集生成方法，其特征在于，包括以下步骤：

步骤一、读取原始输入图像，使用暗通道方法获取输入RGB图像的暗通道图像；

步骤二、使用引导滤波对步骤一中的暗通道图像进行优化处理并将优化后的暗通道图像进行取值范围调整，获得遮罩图像；

步骤三、使用步骤一中获取的暗通道图像，按照暗通道图像亮度的大小提取S倍的像素值来求取大气光值A；

步骤四、以大气散射模型以及暗通道知识为基础进行有雾图像的模拟，具体包括：

步骤四一、由大气散射模型知识得到公式I(x)＝t(x)J(x)+A[1-t(x)]，t(x)为透射率，J(x)为无雾图像，I(x)为有雾图像，A为大气光值。在公式两边同时除以大气光值进行变换，再通过暗通道操作以及暗通道先验理论知识得到粗略估计的透射率，公式如下：

步骤四二、为了让模拟图像更具有真实性，在此步骤中引入调整参数ω，优化了粗略估计的透射率，公式如下：

当透射率t(x)大于0时，对于步骤四一中公式I(x)＝t(x)J(x)+A[1-t(x)]中的直接衰减项t(x)J(x)也会大于0，再通过调整透射率比例复原有雾图像，公式表达如下；

其中，M为原图像，ψ₁为加雾浓度控制权重，ψ₂为调节生成图像亮度的控制权重；

步骤五、通过对雾化程度参数T₁以及雾化图像亮度T₂的调整得到实际需求类型的有雾图像。

2.根据权利要求1所述的方法，其特征在于，还包括：

步骤六、加入批量处理操作，提高图像获取效率。

3.根据权利要求1所述的方法，其特征在于，步骤三中的S＝0.001。

4.根据权利要求1所述的方法，其特征在于，步骤四二中的ω＝0.95。

5.根据权利要求1所述的方法，其特征在于，步骤五中的T₁＝5.5，T₂＝0.5。