[发明专利]基于3DLut的图像去雾处理方法、系统及可存储介质

说明书

本发明公开了一种基于3DLut的图像去雾处理方法、系统及可存储介质，涉及图像处理技术领域，包括：准备若干张原始图片，利用大气散射模型对原始图片进行生成雾处理，得到加雾图像；构建去雾模型，将加雾图像输入去雾模型中进行模型训练，得到训练好的去雾模型；通过训练好的去雾模型对待去雾图像进行去雾处理，将待去雾图像进行分块切割后，作为训练好的去雾模型的输入，并将训练好的去雾模型的所有输出结果进行融合，获得去雾后的图像。本发明将LUT用于图像去雾任务得到高效算法，节省计算时间，通过全图训练分块推断的方式达到更好的去雾效果。

技术领域

本发明涉及图像处理技术领域，更具体的说是涉及一种基于3DLut的图像去雾处理方法、系统及可存储介质。

背景技术

在雾天环境下，摄像机拍摄的图像对比度和分辨率明显下降，对图像进行去雾处理可以改善雾后图像部分失真严重的问题，得到对比度良好的还原图像。目前，传统的图像去雾方法主要有两类：一种是基于大气光照模型，采用暗通道增强的方法估计雾强度来提升对比度，但是这种方法对于天空等场景往往表现不佳且有明显的不自然边界；另一种是使用卷积神经网络模型达到图像增强和去雾的效果，这种方法往往对算力要求比较高，计算速度也不够快。

LUT（lookup table，查找表），原理是对图像的每个像素的色彩信息经过LUT的重新定位之后，就能得到一个新的色彩值，常用于图像的色彩增强和调整图像的颜色风格等。因此，如何将查找表应用于图像去雾任务，克服传统图像去雾方法存在的不足，取得更明显的去雾效果是本领域技术人员亟需解决的技术问题。

发明内容

有鉴于此，本发明提供了一种基于3DLut的图像去雾处理方法、系统及可存储介质，将LUT用于图像去雾任务得到高效算法，节省计算时间，且具有明显的去雾效果。

为了实现上述目的，本发明提供如下技术方案：

一种基于3DLut的图像去雾处理方法，包括以下步骤：

准备若干张原始图片，利用大气散射模型对原始图片进行生成雾处理，得到加雾图像（采用固定深度的方法进行均匀加雾）；

构建去雾模型，将加雾图像输入去雾模型中进行模型训练，得到训练好的去雾模型；

通过训练好的去雾模型对待去雾图像进行去雾处理，将待去雾图像进行分块切割后，作为训练好的去雾模型的输入，并将训练好的去雾模型的所有输出结果进行融合，获得去雾后的图像。

可选的，得到加雾图像，具体包括以下步骤：

在大气中的雾均匀分布且场景深度已知时，透射率为：

；

式中：为图像深度，为大气的媒介衰减系数， x为输入图像的RGB像素值；

根据大气散射模型得到加雾图像，具体表示为：

；

式中：表示实际观测到的图像，即加雾图像；表示去雾后的图像，即待恢复的无雾图像； A表示场景的大气光。

可选的，去雾模型包括生成权重模型和生成查找表模型；

生成权重模型为以三通道图为输入、以一组权重值为输出的卷积神经网络；

生成查找表模型将一组初始化的查找表作为基础查找表，并根据生成权重模型的输出进行加权相加，得到加权查找表。

可选的，生成权重模型包括下采样结构、卷积层、随机失活层和全连接层，且各结构依次相连；