[发明专利]一种图像处理方法，装置及储存介质

说明书

本申请实施例提供一种图像处理方法，涉及计算机视觉技术领域，能够在雾/霾/烟极端天气情况下对彩色图像进行修复处理。该图像处理方法包括获取第一深度图像和彩色图像，该第一深度图像和该彩色图像分别是由深度传感器和相机针对同一场景拍摄的图像；确定大气光值；对该第一深度图像进行深度补全以得到第二深度图像，并且根据该第二深度图像确定透射率；根据该大气光值和该透射率对该彩色图像进行修复处理。由于第二深度图像经过深度补全，相较于第一深度图像有更多的深度信息，而第二深度图像用于确定透射率，因此，在得到更高精度的透射率，进而提高图像处理的效果。

技术领域

本发明涉及一种图像处理方法、装置及存储介质，属于图像处理技术领域。

背景技术

在日常生活中，雾、霾、烟、雨等天气现象会使来自物体的光信号减弱，使得摄像头获取的图像出现模糊不清的现象，极大的影响了图像在各个领域的实用价值。因此，提出一种消除雾、霾、烟，雨等天气现象对图像质量的影响，增加图像的可视度的方法是很有必要的。

目前大多数的去雾/霾/烟算法基于大气退化模型：

其中，I(x)是有雾/霾/烟图像，是待修复的去雾/霾/烟图像，t(x)是透射率，A是大气光值。

基于大气退化模型的去雾/霾/烟算法就是已知有雾/霾/烟图像I(x)去求解透射率t(x)和大气光值A，最后根据上述公式(1)对I(x)进行修复以得到修复后的无雾/霾/烟图像J(x)。

针对透射率t(x)的计算，传统方法主要根据待修复的去雾/霾/烟的彩色图像来确定透射率，具体地，首先利用神经网络强大的拟合能力和大量的数据去训练拟合一个映射函数，将待修复的去雾/霾/烟的彩色图像通过映射函数映射至透射率t(x)。由于在训练拟合该映射函数时需要大量的数据来进行训练，这导致拟合出来的该映射函数受数据中场景的限制，进而影响该映射函数的广泛使用性，并且由于拟合出来的该映射函数准确性有限，导致计算出的透射率的精度低，使得修复后的无雾/霾/烟图像的效果不好。

发明内容

本发明实施例提供一种图像处理方法，将补全后的深度信息融入彩色图像去雾/霾算法中，很好解决了在可视度低的恶劣天气状况下，电子设备拍摄不清楚的问题。为达到上述目的，本发明实施例提供如下技术方案：

第一方面，本发明实施例提供了一种图像处理方法，该图像处理方法包括以下步骤：

获取第一深度图像和彩色图像，该第一深度图像和该彩色图像分别是由深度传感器和相机针对同一场景拍摄的图像；

确定大气光值；

对该第一深度图像进行深度补全以得到第二深度图像，并且根据该第二深度图像确定透射率；

根据该大气光值和该透射率对该彩色图像进行修复处理。

由于传统的采用深度学习算法来确定透射率的方式泛化能力差，导致复原后的图像效果不太理想。本实施例中采用深度图像来确定透射率，并且是经过深度补全后的深度图像，可以提高透射率的精度，进而提高图像的处理效果。

在一种可能实现方式中，第一深度图像进行深度补全以得到第二深度图像包括：

将该彩色图像和第二中间特征图像提供给第一深度神经网络以得到第三深度图像，该第二中间特征图像为第二深度神经网络的中间层产生的特征图像；

将该第一深度图像和第一中间特征图像提供给第二深度神经网络以得到第四深度图像，该第一中间特征图像为第一神经网络的中间层产生的特征图像；

将该第三深度图像和该第四深度图像进行融合操作以得到该第二深度图像。