[发明专利]基于仿真偏振带雾场景数据集的图像去雾方法

权利要求书

1.一种图像去雾方法，包括：

获取偏振无雾场景图像集，基于偏振无雾场景图像集中的每个偏振无雾场景图像，生成第一五元组，得到第一五元组集，其中，第一五元组包括偏振无雾场景图像，总强度图像，显著偏振图像，偏振角度图像和振幅值；

从第一五元组集中的每个第一五元组包括的显著偏振图像中提取满足预设条件的像素坐标，得到像素坐标组，以生成第二五元组，其中，第二五元组包括偏振无雾场景图像，总强度图像，显著偏振图像，偏振角度图像和像素坐标组，其中，显著偏振图像中的每一个像素点都对应一个在所有颜色通道上的值的算术平均值，所述预设条件为：所有算数平均值中处在前m个最大值集合中的值；

基于第二五元组集中的每个第二五元组，生成仿真偏振带雾场景图像序列，组合得到仿真偏振带雾场景数据集；

基于偏振无雾场景图像集和仿真偏振带雾场景数据集，设计偏振状态关注神经网络；

获取偏振带雾场景图像，以及将偏振带雾场景图像输入到偏振状态关注神经网络，得到偏振去雾图像，其中，所述基于偏振无雾场景图像集中的每个偏振无雾场景图像，生成第一五元组，包括：

基于偏振无雾场景图像集中的每个偏振无雾场景图，确定所述偏振无雾场景图对应的显著偏振图像和偏振角度图像；

其中，所述偏振状态关注神经网络包括全局大气光提取模块、偏振特征提取模块和偏振去雾模块；

偏振特征提取模块提取输入图像的偏振特征，偏振特征包括：总强度图像特征、显著偏振图像特征、偏振角度图像特征和最淡雾度图像特征，所述偏振特征提取模块将四个偏振角度下的中间特征在通道维度下进行拼接；

偏振去雾模块包括的偏振去雾模型的计算公式如下：

其中，R表示偏振去雾图像，T表示透射图特征，Ai表示全局大气光的像素强度值，I表示输入图像；

其中，去雾模型计算的结果，与最淡雾度图像特征在通道维度进行跳层连接，然后送入两个卷积层，从而得到最终的去雾结果；

其中，所述基于第二五元组集中的每个第二五元组，生成仿真偏振带雾场景图像序列，包括：

基于第二五元组集中的每个第二五元组，通过以下公式，生成透射图：

其中，x表示像素坐标组，T(x)表示透射图，SP表示显著偏振图像，Di表示全局大气光的偏振角度值，Ai表示全局大气光的像素强度值；

基于所述透射图，通过以下公式，生成仿真偏振带雾场景图像序列：

S＝C·δ^lnT(x)+As·(1-δ^lnT(x))，

其中，S表示仿真偏振带雾场景图像，C表示偏振无雾场景图像，T(x)表示透射图，δ表示大气散射系数，As表示全局大气光系数。

2.根据权利要求1所述的方法，其中，所述获取偏振无雾场景图像集，基于偏振无雾场景图像集中的每个偏振无雾场景图像，生成第一五元组，包括：

通过偏振彩色传感器采集偏振无雾场景图像集；

基于偏振无雾场景图像集中的每个偏振无雾场景图，利用以下公

式，得到总强度图像和振幅值：`

其中，φ₁表示预设第一偏振角度，φ₂表示预设第二偏振角度，φ₃表示预设第三偏振角度，φ₄表示预设第四偏振角度，I表示偏振无雾场景图像，I(φ₁)表示偏振角度为φ₁时传感器采集的图像，I(φ₂)表示偏振角度为φ₂时传感器采集的图像，I(φ₃)表示偏振角度为φ₃时传感器采集的图像，I(φ₄)表示偏振角度为φ₄时传感器采集的图像，S₀表示总强度图像，α表示振幅值，Ψ表示入射光方位角；

基于所述总强度图像和所述振幅值，利用以下公式，得到显著偏振图像，偏振角度图像和最淡雾度图像：

其中，α表示振幅值，S₀表示总强度图像，SP表示显著偏振图像，DoLP表示偏振角度图像，I_min表示最淡雾度图像；

基于偏振无雾场景图，总强度图像，显著偏振图像，偏振角度图像和振幅值，生成第一五元组。