[发明专利]一种基于金字塔网络的半监督单幅图像去雨方法及装置

权利要求书

1.一种基于金字塔网络的半监督单幅图像去雨方法，其特征在于，所述方法包括以下步骤：

输入合成雨量图和真实雨量图到半监督学习框架，对所述合成雨量图进行分析，提取多尺度的雨量残差，获得标记的隐空间向量；

使用监督阶段的金字塔结构来转移真实雨量图，计算真实的雨量残差和未标记的隐空间向量；

根据真实的雨量残差和未标记的隐空间向量，计算出结合标记的隐空间向量和未标记的隐空间向量的损失函数；

通过多尺度的高斯拉普拉斯金字塔图像分解技术，利用全局损失的最优解，获得清晰去雨量图。

2.根据权利要求1所述的基于金字塔网络的半监督单幅图像去雨方法，其特征在于，计算标记的隐空间向量的损失函数，包括：

使用有标签数据学习网络参数，得到最小化有监督损失函数：

L_sup＝L₁+λ_pL_p；

其中，L_sup表示监督学习阶段的损失函数；L₁表示l₁损失函数；λ_p为感知损失函数的特定常数；L_p为监督阶段的感知损失函数；为监督阶段获得的去雨量图；y_l为有标签数据集中与对应的有标签的合成雨量图；为经过VGG网络提取的特征信息；Φ_VGG(y_l)为y_l经过VGG网络提取的特征信息。

3.根据权利要求1所述的基于金字塔网络的半监督单幅图像去雨方法，其特征在于，计算未标记的隐空间向量的损失函数，包括：

使用五标签数据学习网络参数，得到无监督阶段的损失函数：

为用于无监督阶段的真实雨量残差；和为真实雨量残差生成阶段的方差。

4.根据权利要求2或3所述的基于金字塔网络的半监督单幅图像去雨方法，其特征在于，所述计算出结合标记的隐空间向量和未标记的隐空间向量的损失函数，包括：

L_total＝L_sup+λ_unsupL_unsup；

其中，L_total为综合损失函数；L_sup为监督阶段的损失函数；L_unsup为无监督阶段的损失函数；λ_unsup为常数。