[发明专利]一种基于颜色校正和上下文聚合残差网络的图像去雾方法

权利要求书

1.一种基于颜色校正和上下文聚合残差网络的图像去雾方法，其特征在于，按照以下步骤实施：

步骤1、构建图像去雾模型，

采用两阶段结构的图像去雾模型，该图像去雾模型包括颜色校正模块和雾残差模块；

步骤2、校正雾图的颜色，获得颜色平衡雾图，

颜色校正模块用于提取鲁棒的光照相关特征，估计出准确的光照颜色，通过按比例缩放雾图的像素值从而恢复雾图的颜色平衡；

步骤3、获取雾残差图，

将雾看作雾图和无雾图像之间的残差值，其中，雾就是需要得到的雾残差图，通过引入雾残差模块来训练一个将雾图映射到雾的函数，得到雾残差图；

步骤4、计算无雾图像，

将步骤3获得的雾残差图从步骤2获得的颜色平衡雾图中分离出去，得到最终的无雾图像；

步骤5、计算无雾图像和数据集中对应的标签图像之间的均方误差损失函数和总变差损失函数，更新图像去雾模型。

2.根据权利要求1所述的基于颜色校正和上下文聚合残差网络的图像去雾方法，其特征在于：所述的步骤1中，具体过程是，

对于一张输入雾图，首先由颜色校正模块对雾图的颜色进行调整，处理成颜色平衡雾图；然后，雾残差模块将雾图看成雾和无雾图像的组合，因此雾残差模块学习的是雾图和无雾图像之间的残差值，即雾；最后，通过将雾残差模块输出的残差值进行分离，即可得到色彩平衡且清晰的无雾图像。

3.根据权利要求2所述的基于颜色校正和上下文聚合残差网络的图像去雾方法，其特征在于：所述的步骤2中，具体过程是，

对于输入的一张雾图，首先，对雾图的R、G、B颜色通道分别用通道卷积进行处理，每一个颜色通道都使用16个卷积滤波器，分别得到了16个R通道特征图、16个G通道特征图和16个B通道特征图，将生成的这些通道特征图以RGB的方式组合，得到16组伪颜色雾图，获得伪颜色雾图的过程表达式如下：

其中，I是输入的雾图，I_P是伪颜色雾图，{·}是一种沿着雾图I的R,G,B颜色通道轴的串联操作，f^3×3表示滤波器尺寸为3×3的卷积运算，i表示R,G,B颜色通道使用的卷积滤波器的数量，

然后，对每一幅伪颜色雾图I_P进行颜色校正，得到细化后的校正颜色雾图I_r，获得校正颜色雾图I_r的过程表达式如下：

其中，M×N表示空间的大小，c表示I_P的颜色通道，avg_M×N×c是全局平均池化操作，avg_M×N是在每个通道c上执行的空间池化操作，获得16个校正颜色雾图I_r；由于每一个校正颜色雾图I_r都带有与雾的颜色校正相关的信息，因此本步骤不单独处理每一个I_r，而是将16个校正颜色雾图I_r混合起来学习与雾颜色校正相关的鲁棒特征，

最后，将校正颜色雾图I_r沿通道轴连接，并通过两个卷积操作进行处理，调整其通道数与输入的雾图相同，以生成颜色平衡雾图I_B，获得颜色平衡雾图I_B的过程表达式如下：

其中，表示R通道上的校正颜色雾图，表示G通道上的校正颜色雾图，表示B通道上的校正颜色雾图，{·}是将R,G,B颜色通道上的所有校正颜色雾图I_r串联起来的操作。