[发明专利]一种基于生成式对抗网络的图像去雾方法

摘要

本发明公开了一种基于生成式对抗网络的图像去雾方法，采用HOG特征提取方式和加入先验信息的去噪方式，提出依托环境雾霾浓度数据变化而变化的损失函数，从而选择整体最优的解决途径，在很大程度上解决了颜色的偏移等问题，同时防止图像过度去雾化，在尽可能得到清晰结果和降低复杂度之间寻找一种平衡；在一定程度上解决了先验信息制约算法适用范围的问题。

主权项

1.一种基于生成式对抗网络的图像去雾方法，其特征在于，包括如下步骤：(1)将图像转化为一个x,y,z的灰度图；(2)标准化gamma空间和颜色空间；将整个图像进行归一化，先转化为灰度图；Gamma压缩公式如下：I(x,y)＝I(x,y)gamma      (1)(3)用[‑1,0,1]梯度算子对原图像做卷积运算，得到x方向的梯度分量gradscalx，然后用[1,0，‑1]T梯度算子对原图像做卷积运算，得到y方向的梯度分量gradscaly，用下述公式计算梯度；图像中像素点(x,y)的梯度为：式中Gx(x,y)、Gy(x,y)、H(x,y)分别表示输入图像中像素点(x,y)处的水平方向梯度，垂直方向梯度和像素值；(4)为每个细胞单元构建梯度方向直方图；(5)把细胞单元组合成大的块，块内归一化梯度直方图；(6)收集HOG特征：(7)生成网络G和判别网络D学习构建HOG特征分布；(8)生成网络G学习构建雾霾中悬浮颗粒物浓度到清晰率间的映射网络，得到生成清晰率，并通过判别网络对生成清晰率与最佳清晰率进行判别区分，G*与D*满足其中，c_dist为从训练样本中获取的最佳清晰率，其作为判别过程中判别器D的参考数据判别清晰率，且从样本中得到的判别清晰率c_dist满足特征分布p_data；为G^*得到的生成清晰率，满足特征分布p_c；F为输入特征函数，即雾霾中主要悬浮颗粒物浓度数据作为先验信息约束生成器与判别器，其满足公式：F＝λ*P(G,D,C_pm2.5,C_pm10)；对于判别网络D^*，其功能是最大限度的区分出判别清晰率和生成清晰率；而对于生成网络G^*，其作用是最小化(1‑D(G(F)))，使得网络D^*无法正确判断，从而形成整体网络对抗体系；提高整体网络鲁棒性，减少预估结果偏离真实情形的状况。