[发明专利]一种基于YUV颜色空间的无人机图像去雾方法

权利要求书

1.一种基于YUV颜色空间的无人机图像去雾方法，其特征在于：包括如下步骤：

步骤S1：收集成对的有雾和无雾的图像，搭建去雾图像数据集；

步骤S2：构建出加入了注意力模块的改进U-Net模型的生成对抗网络GAN；

步骤S3：将训练数据集从RGB颜色空间转换为YUV颜色空间，放入生成对抗网络中进行训练，最终得到训练好的能够根据有雾图像生成无雾图像的GAN去雾模型。

2.根据权利要求1所述的一种基于YUV颜色空间的无人机图像去雾方法，其特征在于：所述步骤S2中，生成对抗网络GAN是将有雾图像作为输入图像放入生成器中，生成器根据有雾图像生成一幅新的图像，判别器将新生成的图像和无雾图像进行比对，判断新生成的图像与无雾图像是否一致，生成器根据判别器的判别结果通过反向传播算法对生成器内的参数进行优化调整，经过多轮训练，得到效果最优的生成器。

3.根据权利要求1或2所述的一种基于YUV颜色空间的无人机图像去雾方法，其特征在于：所述步骤S2中，加入了注意力模块的改进U-Net模型由编码器和解码器两部分组成。

4.根据权利要求3所述的一种基于YUV颜色空间的无人机图像去雾方法，其特征在于：，所述编码器由卷积层、ReLU激活函数、最大池化层反复组成，每经过一次下采样，通道数翻倍；所述解码器由上采样层、ReLU激活函数、以及卷积层和ReLU激活函数反复构成。

5.根据权利要求3或4所述的一种基于YUV颜色空间的无人机图像去雾方法，其特征在于：所述编码器和解码器的每一层通过跳跃连接层进行拼接，以便实现更高层次的特征融合以及多尺度的预测。

6.根据权利要求5所述的一种基于YUV颜色空间的无人机图像去雾方法，其特征在于：加入的注意力模块位于跳跃连接层内，输入注意力模块的特征图大小为c×h×w，c为通道数，h×w为特征图的尺寸，在通道维度上对特征图取最大值和平均值得到两个不同的特征描述，此时两个特征图的大小均为1×h×w，然后将这两个特征在通道维度上进行合并，大小为2×h×w，并使用卷积层对合成后的特征图进行卷积，该卷积层的输入通道数为2，输出通道数为1，卷积核大小为7×7，卷积层输出的特征图大小为1×h×w，最后经过一个Sigmoid激活函数即得为在空间上的各个位置的权重，将输入图像与该权重在空间维度上逐一相乘即得到经过注意力机制后的特征图。

7.根据权利要求2所述的一种基于YUV颜色空间的无人机图像去雾方法，其特征在于：所述判别器由多个4×4卷积层和激活函数构成，将生成器生成的图像与原始的清晰图像进行拼接，放入卷积层中，最后得到二者的相似度。

8.根据权利要求7所述的一种基于YUV颜色空间的无人机图像去雾方法，其特征在于：

所述编码器由两个3x3的卷积层、ReLU激活函数、一个2x2的最大池化层反复组成，共4次；所述解码器由一个2x2的上采样层、ReLU激活函数、以及两个3x3的卷积层和ReLU激活函数反复构成，共4次。

9.一种计算机装置，包括存储器、处理器及储存在存储器上并能够在处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1-8任一项所述的方法。