1.一種基于卷積神經(jīng)網(wǎng)絡(luò)和先驗(yàn)信息的圖像去霧方法,其特征是,霧天氣的成像模型表示為:
I(x)=J(x)t(x)+A(1-t(x))
式中,I(x)是霧天拍攝的圖像,J(x)是清晰的圖像,A是全局背景光,t(x)∈[0,1]為媒介透射率,媒介透射率表示為:
t(x)=exp(-βd(x))
式中,β為大氣衰減因子,d(x)為場(chǎng)景深度,采用深度學(xué)習(xí)技術(shù)結(jié)合霧圖像先驗(yàn)信息相結(jié)合的方式進(jìn)行估計(jì),再根據(jù)成像模型采用反補(bǔ)償技術(shù)恢復(fù)出清晰的圖像。
2.如權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡(luò)和先驗(yàn)信息的圖像去霧方法,其特征是,進(jìn)一步地具體步驟是,
1)先驗(yàn)信息是指像顏色衰減先驗(yàn)
亮度與飽和度強(qiáng)度的差值與媒介透射率呈現(xiàn)某種程度的反比關(guān)系,表示為:
式中,x為圖像中的像素位置,c(x)為圖像中霧的濃度,v(x)和s(x)分別為圖像的亮度分量強(qiáng)度和飽和度分量強(qiáng)度,v(x)-s(x)稱為顏色衰減先驗(yàn);
2)端對(duì)端的卷積神經(jīng)網(wǎng)絡(luò)
設(shè)計(jì)3層的端對(duì)端的卷積神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)對(duì)輸入的先驗(yàn)圖進(jìn)行3層卷積處理,分別是塊抽取與表示、非線性映射、重構(gòu),具體處理流程如下:
首先,對(duì)先驗(yàn)圖進(jìn)行密集抽取圖像塊,并且采用適當(dāng)數(shù)目的濾波器代表圖像塊:
F1(P)=min(max(0,W1*P+B1),1),
式中,P為顏色衰減先驗(yàn)圖,W1和B1分別是濾波器和偏差量,“*”表示卷積,這里,W1的大小為f1×f1×n1,f1為1個(gè)濾波器的大小,n1是濾波器的個(gè)數(shù),B1是n1維的向量;
接下來(lái),對(duì)第1層中每個(gè)圖像塊中n1維特征進(jìn)行卷積處理,表示為:
F2(P)=min(max(0,W2*F1(P)+B2),1)
式中,W2包含n2個(gè)大小為n1×f2×f2的濾波器,B2為n2維的向量,
最后,對(duì)第2層非線性映射的結(jié)果進(jìn)行重構(gòu),具體表示為:
F3(P)=W3*F2(P)+B3.
式中,W3為包含1個(gè)大小為n2×f3×f3的濾波器,B3為1維向量,該3層卷積處理過程中,存在較多未知參數(shù),表示為:
Θ={W1,W2,W3,B1,B2,B3}
為獲得這些未知的濾波器參數(shù),采用最小均方誤差MSE作為損失函數(shù),通過最小化訓(xùn)練顏色衰減先驗(yàn)圖樣本與對(duì)應(yīng)的媒介透射率圖真實(shí)結(jié)果之間的差距來(lái)獲得上述未知的網(wǎng)絡(luò)參數(shù),其在當(dāng)前未知參數(shù)Θ={W1,W2,W3,B1,B2,B3}的條件下,損失函數(shù)L(Θ)表示為:
式中,N為樣本個(gè)數(shù),ti第i個(gè)標(biāo)簽媒介透視率,第i個(gè)樣本經(jīng)過三層卷積處理的結(jié)果F(Pi;Θ)在當(dāng)前未知參數(shù)Θ={W1,W2,W3,B1,B2,B3}條件下所估計(jì)的透射率大小,通過上述方式進(jìn)行深度學(xué)習(xí)訓(xùn)練,獲得自動(dòng)映射霧圖像顏色衰減圖到媒介透射率圖的卷積神經(jīng)網(wǎng)絡(luò)模型,當(dāng)輸入一副有霧圖像的顏色衰減先驗(yàn)圖輸入到訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)直接輸出其對(duì)應(yīng)的媒介透射率圖;
3)反演圖像去霧
已知一副有霧圖像I(x),首先計(jì)算其顏色衰減先驗(yàn)圖,將其輸入到已訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型,自動(dòng)輸出其對(duì)應(yīng)的媒介透射率圖t(x),計(jì)算有霧圖像三個(gè)顏色信道RGB中局部最小值,獲得對(duì)應(yīng)的暗通道圖,對(duì)暗通道圖中的像素進(jìn)行從大到小排序,獲取排在前0.1%的像素點(diǎn)的位置。將有霧圖像對(duì)應(yīng)位置上的像素點(diǎn)的平均像素值作為本發(fā)明中的全局背景光值,最后,將已經(jīng)獲得的全局背景光A、媒介透射率圖t(x)、有霧圖像I(x)代入霧圖像的成型模型,反演出清晰的圖像J(x),具體表示為: