[发明专利]图像去雾处理方法、装置及计算机设备

权利要求书

1.一种图像去雾处理方法，所述方法包括：

获取待处理有雾图像；

获取所述待处理有雾图像的对象边缘特征；

将所述对象边缘特征作为所述待处理有雾图像的新通道，得到具有特定数量通道的待去雾图像；

将所述待去雾图像输入去雾模型进行处理，输出所述待处理有雾图像对应的无雾图像；

其中，所述去雾模型是基于机器学习网络模型，对具有特定数量通道的样本有雾图像进行训练得到的，所述机器学习网络模型具有SE层网络结构，且所述SE层网络结构是利用卷积层，实现对所输入的待去雾图像的多个维度各自的注意力权重的计算。

2.根据权利要求1所述的方法，所述去雾模型对所述待去雾图像的处理包括：

利用所述SE层网络结构中的卷积层，获取输入所述SE层网络结构的待去雾图像对应的各通道的图像特征的通道权重，以及各像素的像素权重。

3.根据权利要求2所述的方法，所述利用所述SE层网络结构中的卷积层，获取输入所述SE网络的待去雾图像对应的各通道的图像特征的通道权重，以及各像素的像素权重，包括：

通过注意力机制，对获取的待去雾图像对应的各通道的图像特征进行卷积运算，得到各通道的图像特征对应的通道权重，以利用所述通道权重对所述各通道的图像特征进行加权运算；

通过注意力机制，对获取的待去雾图像的像素信息进行卷积运算，得到所述待去雾图像包含的不同像素的像素权重，以利用所述像素权重对获取的待去雾图像的像素进行加权运算。

4.根据权利要求1～3任一项所述的方法，所述机器学习网络模型至少还具有深度可分离卷积层、下采样网络、残差网络之中的多个组合，所述去雾模型对所述待去雾图像的处理还包括以下多种组合：

通过所述深度可分离卷积层，对输入的所述待去雾图像对应的各通道的图像特征进行扩展处理，输出扩展通道后对应的图像特征；

利用所述下采样网络包含的不同尺寸的卷积核，对输入的所述待去雾图像对应的各通道的图像特征进行处理，输出相同数量通道分别对应的图像特征；

利用所述残差网络包含的多个平滑残差块，对输入的图像特征进行平滑处理，所述平滑残差块包含的两个空洞卷积层的扩张值不同。

5.根据权利要求4所述的方法，所述利用所述下采样网络包含的不同尺寸的卷积核，对输入的所述待去雾图像对应的各通道的图像特征进行处理，输出相同数量通道分别对应的图像特征，包括：

将第一数量通道各自的图像特征输入第一尺寸的第一卷积核进行运算，输出第二数量通道分别对应的图像特征，所述第二数量大于所述第一数量，所述第一数量大于所述特定数量；

将所述第二数量通道各自的图像特征输入第二尺寸的第二卷积核进行运算，输出第三数量通道分别对应的图像特征，所述第三数量等于所述第二数量；

将所述第三数量通道各自的图像特征输入第二尺寸的第三卷积核进行运算，输出第四数量通道分别对应的图像特征，所述第四数量等于所述第一数量。

6.根据权利要求4所述的方法，所述去雾模型对所述待去雾图像的处理还包括：

将所述下采样网络输出的图像特征与输入所述下采样网络前的图像特征进行级联融合处理，以增加输入至与所述下采样网络连接的网络的图像特征数量。

7.根据权利要求1所述的方法，所述获取所述待处理有雾图像的对象边缘特征，包括：

获取所述待处理有雾图像具有的每一个通道的图像梯度变化；

获取所述待处理有雾图像具有的多个通道的图像梯度变化的平均图像梯度变化，由所述平均图像梯度变化确定所述待处理有雾图像的对象边缘特征。