技術(shù)特征：

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：

$t\left(x\right)\∝\frac{1}{c\left(x\right)}\∝\frac{1}{v\left(x\right)-s\left(x\right)},$

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)+B_3.

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：

$L\left(\mathrm{\Θ}\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}\left|\right|F(P_i;\mathrm{\Θ})-t_i|{|}^2$

式中，N為樣本個(gè)數(shù)，t_i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(P_i；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：

$J\left(x\right)=\frac{1}{t\left(x\right)}\left(I\right(x)-A)+A.$