[发明专利]一种模型训练及图像去雾方法、装置、设备及存储介质

权利要求书

1.一种模型训练方法，包括：

将获取到的有雾图像输入预设模型，得到所述有雾图像的雾气特征以及去雾图像；所述雾气特征用于表征所述有雾图像中与雾气相关的特征；

基于所述有雾图像的雾气特征以及所述去雾图像，确定与所述有雾图像对应的重建图像；

基于所述重建图像和所述有雾图像组成的第一图像对，以及所述去雾图像和预先标注的所述去雾图像对应的清晰图像组成的第二图像对，训练所述预设模型，得到目标模型。

2.根据权利要求1所述的方法，其中，所述有雾图像的雾气特征以及去雾图像的确定方式，包括：

对所述有雾图像进行特征提取及通道增强处理，得到第一特征图；

对所述第一特征图进行像素增强处理，得到第二特征图；

对所述第二特征图进行特征映射，得到所述有雾图像的雾气特征以及所述去雾图像。

3.根据权利要求2所述的方法，其中，所述对所述有雾图像进行特征提取及通道增强处理，得到第一特征图，包括：

分别确定所述有雾图像各通道的通道权重；

利用所述通道权重对所述各通道的图像特征进行加权运算，得到所述第一特征图。

4.根据权利要求2所述的方法，其中，所述对所述第一特征图进行像素增强处理，得到第二特征图，包括：

分别确定所述第一特征图中各像素点的像素权重；

利用所述像素权重对所述第一特征图的各像素进行加权运算，得到所述第二特征图。

5.根据权利要求1所述的方法，其中，在所述有雾图像的雾气特征包括光照信息和透光率信息的情况下，所述预设模型包括主干网络、第一分支网络以及第二分支网络；

其中，所述主干网络用于确定所述去雾图像；

所述第一分支网络用于确定所述有雾图像的所述光照信息；

所述第二分支网络用于确定所述有雾图像的所述透光率信息。

6.根据权利要求5所述的方法，其中，所述基于所述有雾图像的雾气特征以及所述去雾图像，确定与所述有雾图像对应的重建图像，包括利用以下公式进行计算：

I(x)＝J(x)t(x)+A(x)(1-t(x))；

其中，x表示像素点，I(x)表示所述重建图像，J(x)所述去雾图像，t(x)表示所述有雾图像的透光率，A(x)表示所述有雾图像的光照信息。

7.根据权利要求1所述的方法，其中，所述基于所述重建图像和所述有雾图像组成的第一图像对，以及所述去雾图像和预先标注的所述去雾图像对应的清晰图像组成的第二图像对，训练所述预设模型，包括：

采用损失函数确定所述第一图像对对应的第一损失值以及所述第二图像对对应的第二损失值；

利用所述第一损失值和所述第二损失值，调整上述预设模型的参数。

8.一种图像去雾方法，包括：

获取目标图像，所述目标图像包括有雾图像；

将所述目标图像输入到目标模型中，得到所述目标图像的去雾图像；

其中，所述目标模型是通过权利要求1-7中任一所述方法生成的。

9.一种模型训练装置，包括：

去雾图像确定模块，用于将获取到的有雾图像输入预设模型，得到所述有雾图像的雾气特征以及去雾图像；所述雾气特征用于表征所述有雾图像中与雾气相关的特征；

重建图像确定模块，用于基于所述有雾图像的雾气特征以及所述去雾图像，确定与所述有雾图像对应的重建图像；

训练模块，用于基于所述重建图像和所述有雾图像组成的第一图像对，以及所述去雾图像和预先标注的所述去雾图像对应的清晰图像组成的第二图像对，训练所述预设模型，得到目标模型。