[发明专利]一种包含天空区域图像的去雾方法

说明书

本发明公开了一种包含天空区域图像的去雾方法，属于图像处理技术领域。该方法步骤主要包括：S1.获取待处理的图像I，并使用弱监督图像分割方法，分割天空及其他部分，主要包括以下部分：制作涂鸦语义分割标签、建立簇预测标签、建立损失函数；S2.对于分割出的其他部分使用改进后的暗通道方法进行去雾处理，其中主要包括以下部分：设计去雾模型、透射率模型，加入快速导向滤波以及大气光值设定；S3.对于天空区域使用MSRCR方法去雾处理；S4.将去雾后的天空区域和其它部分拼接成一个图像。利用该算法有效解决了包含天空区域去雾时产生的伪影问题，与使用深度学习的去雾方法相比，极大缩短了去雾时间。

技术领域

本发明属于深度学习和计算机视觉技术领域，具体涉及一种包含天空区域图像的去雾方法。

背景技术

电力能源是人类生活必不可少的，从发电构成来看，各国火力发电占据着主导地位，但火力发电中化石燃料，包括煤炭，石油，天然气等在燃烧的过程中产生大量的污染，加重了酸雨的危害，同时也增加空气中粉尘污染，对人们的生活及植物的生存造成了严重的影响，而且其资源消耗大，效率低，加剧资源紧缺，并为环境治理造成诸多麻烦。与其相比作为可再生能源之一的风力发电，优势格外突出。

风机叶片的迎风面是发电机的主要动力来源，叶片在高空运转时雷电、冰雹、沙尘等恶劣天气随时都有可能危害风机叶片，一个早期发现的横向裂纹通常用几个小时就可以修复，如果裂痕扩展到纤维内部，就需要更多的金钱和时间。据统计，因叶片问题引起的故障停机率约在30％以上，这极大地浪费了风机资源。

目前，针对去雾的研究方案最主流的是通过暗通道去雾算法和基于深度学习两种方法。但暗通道去雾算法在面对明亮物体场景如天空区域或白色建筑物等时，由于对大气光值估算并不准确而导致出现光晕现象；基于深度学习的去雾算法往往需要人工为训练集图像中的每一个像素定义标签，虽然最后效果显著，但工作量极大，耗用时间也较长。

发明内容

针对上述研究的问题，本发明的目的在于：为了避免在去雾处理时天空区域出现光晕现象，提出了一种包含天空区域图像的去雾方法。

为了解决上述技术问题，本发明采用的技术方案如下：

一种包含天空区域图像的去雾方法，包括如下步骤：

S1：获取待处理的图像I，并使用弱监督图像分割方法，分割天空及其他部分，主要包括以下部分：制作涂鸦语义分割标签、建立簇预测标签、建立损失函数；

进一步的，所述S1的具体步骤为：

S1.1：为待处理图像I制作涂鸦语义分割标签，使用涂鸦的方式分隔开天空区域与其他区域。

S1.2：建立预测簇标签的标准：

(a)相似特征的像素应该被分配相同的标签；

(b)空间连续像素应该被赋予相同的标签。

S1.3：首先将相同标签分配给相似特征的像素，用线性分类器将每个像素的特征分为q类；假设输入为RGB图像I＝{v_n∈R³}，其中每个像素均归一化为[0，1]；从{v_n}到M个卷积分量计算p维特征图{x_n}，每个卷积分量都由一个二维(2D)卷积、ReLU激活函数和一个批处理归一化函数组成，批处理对应于单个输入图像的N个像素，为所有M个分量设置了p个大小为3*3的过滤器，其中用于特征提取的组件也可以被其他网络代替(如FCN)。