[发明专利]一种基于YUV颜色空间的无人机图像去雾方法

说明书

本发明公开了一种基于YUV颜色空间的无人机图像去雾方法，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。通过重新着色的方法对雾霾图像进行还原，同时加入了注意力模块用以解决轮廓边界不清晰的问题，方法简单且效果优于现有技术。

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于YUV颜色空间的无人机图像去雾方法。

背景技术

在雾天情况下，航拍到的图像由于受到空气中漂浮的颗粒物的影响，图像的质量会大大降低。在雾天情况下空气中存在大量的悬浮颗粒物，这些颗粒物会对光线产生散射，导致物体反射出的光线发生衰减，同时反射光与观察者直接接受到的光线发生混合，造成相机拍摄到图像的对比度和清晰度等特征都发生改变，细节信息大量丢失。

经过对现有技术的文献检索发现，图像去雾的的研究大多集中在基于大气散射模型理论对图像进行修复。在中国专利“一种基于端到端深度学习的图像去雾方法”(申请号：CN201810897756.9)中，黄红兵等人提出了一种通过神经网络进行有雾图像修复的方法，利用神经网络预测出有雾图像的传输图和大气光值，进而通过大气散射模型恢复出无雾图像。在中国专利“一种基于域自适应的图像去雾方法及系统”(申请号：CN202010367514.6)中，桑农等人提出了一种能够自适应图像去雾的方法，通过图像转换模块有效减少合成域和真实域之间的领域偏差，提高图像去雾模型在真实域的泛化性，进而更准确的预测出暗通道先验损失。在已有的相关专利中，均是通过研究有雾图像的形成原理，根据大气散射模型等相关理论对图像进行修复工作。但是由于雾霾对于物体的遮挡，在图像上直接造成了像素的丢失，现有的基于大气散射模型的相关恢复算法很难将有雾图像进行完整的恢复。

发明内容

有鉴于此，本发明的目的是提供一种基于YUV颜色空间的无人机图像去雾方法。通过重新着色的方法对其进行还原，同时加入了注意力模块用以解决轮廓边界不清晰的问题。

本发明的目的是通过以下技术方案实现的：

一种基于YUV颜色空间的无人机图像去雾方法，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。

进一步，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。

进一步，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。

进一步，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。

进一步，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。