[发明专利]一种基于改进的生成对抗网络的航拍图像去雾方法

说明书

本发明公开了一种基于改进的生成对抗网络的航拍图像去雾方法，包括建立数据集；将带雾样本图像输入生成网络中进行去雾处理；将去雾处理后的样本图像和对应的无雾样本图像输入对抗网络中，进行阈值和真假的判别，并且计算损失函数模型参数；将损失函数模型参数反馈给生成网络，生成网络更新生成网络模型；重复上述步骤获得训练模型；将带雾图片输入到训练模型中，得到无雾图片。本发明针对现有图像去雾方法中的不足，提出一种基于改进的生成对抗网络的航拍图像去雾方法，该方法在原有生成对抗网络的基础上，改进了网络结构和计算方法，去雾时不再需要假设模型或场景深度等先验条件，将带雾图像直接输入网络即可，速度较快，去雾效果较好。

技术领域

本发明涉及一种航拍图像去雾方法，尤其涉及一种基于改进的生成对抗网络的航拍图像去雾方法。

背景技术

随着互联网和信息处理技术的快速发展，人们对图像清晰度的要求越来越高。但是由于受到物理成像条件和采集环境的限制，采集图像时往往都会受到不同程度的雾气的干扰，在自然雾、霾天气下，大气中会存在大量的小水滴和小粉尘类微颗粒，它们的存在会增加光的散射作用，从而使得户外图像采集传感器拍摄的图像对比度降低、动态范围变窄、清晰度下降、颜色不丰富、部分细节信息被掩盖、甚至颜色失真等问题，给图像增加了很大噪声，直接导致视觉效果差和后续难以有效提取和分析图像细节信息，从而不能满足应用需求。

为了增强捕获图像的有效性和实用性，降低空气中雾气对图像传感器正常工作的限制，提高图像的视觉效果和质量，对自然雾、霾进行清晰化处理和去除是亟待解决的问题。因此，航拍图像去雾方法对提高在雾、霾天气条件下图像的对比度，增加图像动态范围，恢复图像边缘细节信息，视觉处理系统正常稳定工作具有很高的应用价值，尤其为航拍系统能够在雾、霾等恶劣天气条件下有效正确工作提供保障。

目前的图像去雾方法主要分为传统的基于模型的去雾方法和基于深度学习的图像去雾方法。传统的基于模型的去雾方法又可细分为基于场景深度己知的去雾算法；基于辅助信息求解场景深度信息的去雾方法以及基于先验条件的去雾方法。

传统的基于模型的去雾方法在雾天成像模型的基础上，讨论了如何从成像机制上实现去雾的目的，从原理上来分可以分以下几类，它们的技术特点分别如下：

(1)基于场景深度己知的去雾方法

该方法假设己经获取观测场景的景深信息，通过构建图像退化模型，对各像素点的透射率进行估计，然后结合雾天成像模型实现图像的去雾操作。由于该方法在对彩色图像处理时，需要借助一些高成本的第三方设备用于测量场景几何信息，其实用性不高。

(2)基于辅助信息求解场景深度信息的去雾方法

该方法在对图像去雾时，首先需要利用同一场景的无雾图像来估算出场景深度信息，然后在这基础上建模对图像进行去雾处理。但是由于该方法需要同时获得待去雾图像场景的清晰图像，实际应用中很难同时获取到带雾图像和清晰图像，因此其实用性同样不高。

(3)基于先验条件的去雾方法