[发明专利]一种基于多尺度网络的图像增强去雾方法

权利要求书

1.一种基于多尺度网络的图像增强去雾方法，其特征在于，包括以下步骤：

基于U型网络的架构设计多尺度增强去雾网络，多尺度增强去雾网络包括编码器模块G_Enc、基于boosting算法的解码器模块G_Dec及特征复原模块G_Res，其中，编码器模块G_Enc用于对有雾图像进行不同尺度有雾特征的提取，解码器模块G_Dec用于通过对有雾特征进行修复，解码器模块G_Dec的末端连接有卷积层，卷积层用于通过最终修复的特征重建去雾后的图像

深度增强去雾网络：在一个针对去雾问题的U型网络中，将编码器视为对有雾图像进行不同尺度有雾特征的提取，将解码器作为通过对有雾特征进行修复而得到去雾后图像的复原模块，通过逐渐改进从特征复原模块G_Res获取的有雾特征j^L，L为网络的总尺度数，进而得到清晰图像特征，在多尺度增强去雾网络中，将SOS boosting算法应用在解码器上，并利用神经网络的方式实现SOS boosting算法，根据SOS boosting算法优化的解码器模块G_Dec的第n层中，从上一层得到的特征jⁿ⁺¹上采样，通过对从编码器中得到的特征iⁿ进行增强，并且通过改进单元生成增强的特征jⁿ，优化单元为：

其中，↑₂表示上采样的缩放比例为2，(iⁿ+(jⁿ⁺¹)↑₂)表示强化后的特征，表示在第n层上可训练的优化单元，由θ_n参数化；

在多尺度增强去雾网络中，图像特征的上、下采样分别采用卷积核为3×3且步长为2的反卷积层和卷积层实现，在每一层的优化单元和编码器中都使用一组残差块：该残差块由三个残差子模块构成，每个子模块包含两个卷积核为3×3的卷积层和一个直接连接输入和输出的通路。

2.根据权利要求1所述的基于多尺度网络的图像增强去雾方法，其特征在于，对于图像去雾问题，SOS boosting算法描述为：

为在第n次迭代中的估计图像，g(·)表示去雾的方法，表示使用有雾输入图像I的增强图像。

3.根据权利要求1所述的基于多尺度网络的图像增强去雾方法，其特征在于，利用神经网络的方式在解码器模块G_Dec中实现SOS boosting算法。