[发明专利]一种图像去雾方法

权利要求书

1.一种图像去雾方法，其特征在于，包括以下步骤：

建立训练集，所述训练集包括多对训练样本对，每对所述训练样本对包括无雾图像和对应的含雾图像；

构建去雾网络模型，所述去雾网络模型基于隐式欧拉逼近的隐式结构进行构造，用于实现单幅图像去雾；

利用所述训练集对所述去雾网络模型进行训练，获得训练好的去雾网络模型；

将待测试的含雾图像输入至所述训练好的去雾网络模型，获得去雾图像；

其中，所述去雾网络模型包括：编码模块、隐式结构模块、多层次特征融合模块、残差通道注意力模块和解码模块；

所述编码模块的输出端与所述隐式结构模块的输入端连接；所述编码模块用于提取输入图像的底层特征，并将输入图像从RGB空间转换为特征空间；

所述隐式结构模块包括多个依次连接的多级特征提取模块，所述多级特征提取模块用于提取含雾图像的特征，并将所述含雾图像的特征转换为去雾图像的特征；不同的所述多级特征提取模块所侧重的特征、感知野大小存在区别；

所述多层次特征融合模块用于对多个所述多级特征提取模块分别提取出的特征进行融合，且进行融合时不同的所述多级特征提取模块对应不同的权重系数；

所述残差通道注意力模块用于去除网状残影，并通过给予不同通道以不同权重来减少噪声的影响；

所述解码模块用于将图像从特征空间转换为RGB空间，并输出最终得到的去雾图像。

2.根据权利要求1所述的图像去雾方法，其特征在于，所述隐式结构模块对应的隐式结构形式为：

x_k+1＝x_k+hf(x_k+1)

所述隐式结构形式通过牛顿迭代法求解，实现步骤为：

g_i+1＝g₀+hf(g_i)

经过多次迭代达到收敛点g^*＝x_k+1：

g^*＝g₀+hf(g^*)

至此得到隐式结构的解；

其中，x_k和x_k+1为结构中传输的图像特征信息，h为迭代步长，f(.)为结构中包含的处理函数，g_i和g_i+1为隐式结构中第i层迭代的输入和输出。

3.根据权利要求1所述的图像去雾方法，其特征在于，所述多级特征提取模块由两个膨胀卷积层、两个实例归一化层、两个ReLU层构成。

4.根据权利要求1所述的图像去雾方法，其特征在于，所述编码模块由两个卷积层、两个实例归一化层、两个ReLU层构成；

所述解码模块由一个微步卷积层、一个卷积层、两个实例归一化层、两个ReLU层构成。

5.根据权利要求1所述的图像去雾方法，其特征在于，所述残差通道注意力模块由一个卷积层、一个平均池化层、两个全连接层、一个Sigmoid层构成。