[发明专利]一种基于上下文引导生成对抗网络的单幅图像去雾方法

权利要求书

1.一种基于上下文引导生成对抗网络的单幅图像去雾方法，其特征在于，包括以下步骤：

步骤1、获取图像数据集，对所述图像数据集中的每个图像进行归一化处理，得到训练集；

步骤2、构建生成对抗网络模型，所述生成对抗网络模型包括生成网络和判别网络，所述生成网络包括：

特征提取编码器：逐层提取有雾图像的浅层特征、深层特征；

上下文信息提取解码器：通过自下而上的金字塔模型对多个级联卷积层提取的深层特征进行尺度增强，提取深层特征中隐含的上下文信息，得到粗去雾图像；

融合解码器：先通过跳过连接将所述浅层特征与反卷积层获得的特征对称连接得到组合特征，并通过卷积层对组合特征进行整合；再通过跳过连接将所述上下文信息提取解码器得到的对称特征与校正后的组合特征进行融合，得到细去雾图像；

步骤3、利用训练集对所述生成对抗网络模型进行训练，得到训练后的生成对抗网络模型；

步骤4、将有雾图像输入所述训练后的生成对抗网络模型中，得到细去雾图像。

2.根据权利要求1所述的一种基于上下文引导生成对抗网络的单幅图像去雾方法，其特征在于，所述特征提取编码器的具体操作为：

a.将所述训练集中的图像经过一个卷积核大小为3、步长为1的卷积层输出浅层特征O₁，所述卷积层包括卷积操作、实例归一化和激活函数ReLU；

b.将所述浅层特征O₁输入到由三个卷积层组成的卷积块CB₁，输出浅层特征O₂；

c.将所述浅层特征O₂输入卷积核大小为3、步长为2的卷积层进行下采样处理，输出浅层特征O₃；

d.将所述浅层特征O₃经过三个卷积层组成的卷积块CB₂，输出浅层特征O₄；

e.将所述浅层特征O₄输入卷积核大小为3、步长为2的卷积层进行下采样处理，输出浅层特征O₅；

f.将所述浅层特征O₅经过一个卷积核大小为3，步长为1的卷积层，输出深层特征O₆；

g.将所述深层特征O₆依次经过三个由两个卷积层组成的卷积块CB₃、CB₄和CB₅，输出深层特征O₇、深层特征O₈、深层特征O₉。

3.根据权利要求2所述的一种基于上下文引导生成对抗网络的单幅图像去雾方法，其特征在于，所述上下文信息提取解码器的具体操作为：

h.将所述深层特征O₆、深层特征O₇进行通道连接，并将连接后的特征映射输入到一个由两个卷积层组成的卷积块CB₆中，输出特征O₁₀；

i.将所述特征O₁₀输入卷积核大小为3、步长为2的反卷积层进行上采样，并使用一个卷积层来整合特征，输出特征O₁₁；

j.将所述特征O₁₁与深层特征O₈进行通道连接，并将连接后的特征映射输入到一个由两个卷积层组成的卷积块CB₇，输出特征O₁₂；

k.将所述特征O₁₂输入卷积核为3、步长为2的反卷积层进行上采样层，输出特征O₁₃；

l.将所述特征O₁₃与深层特征O₉进行通道连接，并使用一个卷积块CB₈进行整合，输出特征O₁₄；

m.将所述特征O₁₄输入卷积核大小为3、步长为1的卷积层，得到粗去雾图像。