本技術(shù)涉及圖像處理，尤其涉及一種低光照圖像去霧方法和裝置。

背景技術(shù)：

1、在圖像和視頻處理領(lǐng)域，霧天條件常常導(dǎo)致獲取圖像中的視覺信息質(zhì)量嚴(yán)重下降，尤其是在低光照的環(huán)境下，如高速公路的夜間、傍晚或清晨等時段，這種影響更為顯著。霧氣會降低圖像的對比度、色彩飽和度，使得物體的細(xì)節(jié)模糊不清，嚴(yán)重影響了高速公路上的交通監(jiān)控應(yīng)用的準(zhǔn)確性和可靠性。

2、在低光照的條件下，整體光照的分布不均勻與人工光源的顏色干擾使得去霧任務(wù)更具挑戰(zhàn)性與復(fù)雜性。早期的去霧方法直接將常規(guī)條件下的去霧方法遷移到低光照場景中，但這類方法無法適配低光照有霧場景，使得去霧圖像通常會出現(xiàn)霧殘留與細(xì)節(jié)丟失的問題。后來提出了一些低光照場景下的特定先驗假設(shè)或物理模型，如大氣散射模型，通過估計全局大氣光和透射率等參數(shù)調(diào)整來復(fù)原圖像。然而，這類基于先驗假設(shè)與物理模型的方法在處理非均勻光照和多種光源造成的色偏問題時，效果不足，因此運用再實際場景中會產(chǎn)生圖像光暈和偽影。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，許多方法將卷積神經(jīng)網(wǎng)絡(luò)和注意力機制用于預(yù)測大氣模型參數(shù)或者清晰圖像，但對于夜間或低光照條件下的特定挑戰(zhàn)，如非單一光源下的顏色干擾和不均勻光照分布，現(xiàn)有方法往往不能有效地校正色偏，從而導(dǎo)致處理后的圖像仍然出現(xiàn)色彩失衡的問題。

3、因此，亟需一種低光照圖像去霧方法和裝置。

技術(shù)實現(xiàn)思路

1、本技術(shù)提供一種低光照圖像去霧方法和裝置，解決了對于夜間或低光照條件下的特定挑戰(zhàn)，現(xiàn)有方法往往不能有效地校正色偏，從而導(dǎo)致處理后的圖像仍然出現(xiàn)色彩失衡的問題。

2、在本技術(shù)的第一方面提供了一種低光照圖像去霧方法，方法包括：在第一環(huán)境下，通過高速公路道路監(jiān)測相機采集第一圖片數(shù)據(jù)子集，第一環(huán)境為有霧環(huán)境；在第二環(huán)境下，通過高速公路道路監(jiān)測相機采集第二圖片數(shù)據(jù)子集，第二環(huán)境為無霧環(huán)境，第一環(huán)境與第二環(huán)境處于相同時間段；將第一圖片數(shù)據(jù)子集與第二圖片數(shù)據(jù)子集作為實時圖片制作數(shù)據(jù)集，并根據(jù)實時圖片制作數(shù)據(jù)集訓(xùn)練雙色特征融合去霧網(wǎng)絡(luò)模型；通過雙色特征融合去霧網(wǎng)絡(luò)模型，獲取輸入圖像中對應(yīng)的rgb顏色空間特征和hsv顏色空間特征；通過雙色特征融合去霧網(wǎng)絡(luò)模型，根據(jù)rgb顏色空間特征和hsv顏色空間特征，獲取輸入圖像對應(yīng)的融合特征圖；根據(jù)融合特征圖對輸入圖像進(jìn)行去霧重建，以得到輸入圖像對應(yīng)的第一輸出圖像，第一輸出圖像為去霧后的圖像。

3、可選地，獲取輸入圖像中對應(yīng)的rgb顏色空間特征和hsv顏色空間特征，具體包括：構(gòu)建rgb顏色空間特征提取結(jié)構(gòu)，rgb顏色空間特征提取結(jié)構(gòu)包括3×3卷積結(jié)構(gòu)和多個rgb特征提取結(jié)構(gòu)，多個rgb特征提取結(jié)構(gòu)為串聯(lián)運行；根據(jù)rgb顏色空間特征提取結(jié)構(gòu)獲取輸入圖像對應(yīng)的多個rgb顏色空間特征圖，rgb顏色空間特征圖包括rgb顏色空間特征；構(gòu)建hsv顏色空間特征提取結(jié)構(gòu)，hsv顏色空間特征提取結(jié)構(gòu)包括3×3卷積結(jié)構(gòu)和多個hsv特征提取結(jié)構(gòu)；根據(jù)hsv顏色空間特征提取結(jié)構(gòu)獲取輸入圖像對應(yīng)的多個hsv顏色空間特征圖，hsv顏色空間特征圖包括hsv顏色空間特征。

4、可選地，根據(jù)rgb顏色空間特征和hsv顏色空間特征，獲取輸入圖像對應(yīng)的融合特征圖，具體包括：按照預(yù)設(shè)流程順序?qū)Χ鄠€rgb顏色空間特征圖和多個hsv特征提取結(jié)構(gòu)進(jìn)行跨空間特征融合，并根據(jù)如下公式獲取輸入圖像對應(yīng)的第一融合特征圖和第二融合特征圖：

5、；

6、其中，為第一融合特征圖，為第二融合特征圖，~為多個hsv特征提取結(jié)構(gòu)分別對應(yīng)的融合權(quán)重系數(shù)，ε為保護(hù)參數(shù)，保護(hù)參數(shù)用于避免分母為0，一個hsv特征提取結(jié)構(gòu)對應(yīng)一個融合權(quán)重系數(shù)，為改變圖像尺寸，為卷積結(jié)構(gòu)，、、為多個rgb顏色空間特征圖，為多個hsv顏色空間特征圖，、、為多個rgb顏色空間特征圖和多個hsv顏色空間特征圖按照不同的方式進(jìn)行融合所得到的融合特征圖，且通過如下公式進(jìn)行計算：

7、；

8、獲取倒置殘差結(jié)構(gòu)和擴張殘差結(jié)構(gòu)，將第一融合特征圖輸入倒置殘差結(jié)構(gòu)以獲取第三融合特征圖，將第二融合特征圖輸入擴張殘差結(jié)構(gòu)以獲取第四融合特征圖；將第三融合特征圖和第四融合特征圖按照如下公式進(jìn)行融合，以獲取第五融合特征圖：

9、；

10、其中，為第五融合特征圖，為倒置殘差結(jié)構(gòu)，為擴張殘差結(jié)構(gòu)，為融合過程；獲取重建單元結(jié)構(gòu)，重建單元結(jié)構(gòu)用于恢復(fù)對比度；將所第五融合特征圖輸入重建單元結(jié)構(gòu)，以獲取第六融合特征圖，并將第六融合特征圖作為輸入圖像對應(yīng)的融合特征圖。

11、可選地，將第一融合特征圖輸入倒置殘差結(jié)構(gòu)以獲取第三融合特征圖，具體包括：通過倒置殘差結(jié)構(gòu)對第一融合特征圖進(jìn)行歸一化處理和激活函數(shù)處理，生成第一融合特征圖對應(yīng)的第一中間特征圖；構(gòu)建中間特征圖對應(yīng)的相似性權(quán)重矩陣，并根據(jù)相似性權(quán)重矩陣獲取第二中間特征圖；通過第一中間特征圖和第二中間特征圖，根據(jù)如下公式進(jìn)行融合以獲取第三融合特征圖：

12、；

13、其中，為第三融合特征圖，為1×1卷積結(jié)構(gòu)，為激活函數(shù)，為第一中間特征圖，為第二中間特征圖；對于第二中間特征圖，可通過如下公式進(jìn)行獲?。?/p>

14、；

15、其中，為相似性權(quán)重矩陣，為第一中間特征圖中i?位置像素和?j?位置像素的相似性，為對第一中間特征圖的特征圖向量進(jìn)行加權(quán)求和，為逐元素乘法。

16、可選地，將第二融合特征圖輸入擴張殘差結(jié)構(gòu)以獲取第四融合特征圖，具體包括：通過擴張殘差結(jié)構(gòu)對第二融合特征圖通過按照不同擴張率進(jìn)行擴張卷積處理，以獲取第二融合特征圖對應(yīng)的多個擴展特征圖；將多個擴展特征圖進(jìn)行融合以獲取第三中間特征圖；通過ca注意力機制對第三中間特征圖進(jìn)行加權(quán)處理，以獲取第四中間特征圖；將第二融合特征圖與第四中間特征圖進(jìn)行融合以獲取第四融合特征圖。

17、可選地，根據(jù)融合特征圖對輸入圖像進(jìn)行去霧重建，具體包括：對融合特征圖進(jìn)行像素注意力處理和通道數(shù)調(diào)整處理，以得到輸入圖像對應(yīng)的第一輸出圖像。

18、可選地，在根據(jù)融合特征圖對輸入圖像進(jìn)行去霧重建，以得到輸入圖像對應(yīng)的第一輸出圖像之后，方法還包括：獲取雙色特征融合去霧網(wǎng)絡(luò)模型對應(yīng)的損失函數(shù)，損失函數(shù)通過如下公式獲?。?/p>

19、；

20、其中，為損失函數(shù)，為smoothl1損失函數(shù)的權(quán)重系數(shù)，為第一輸出圖像與真實無霧圖像之間的結(jié)構(gòu)相似性指數(shù)權(quán)重系數(shù)，x為第一輸出圖像，y為真實無霧圖像，真實無霧圖像為第二圖片數(shù)據(jù)子集中的任意圖像，為第一輸出圖像中的像素均值，為真實無霧圖像中的像素均值，為第一輸出圖像中的像素標(biāo)準(zhǔn)差，為真實無霧圖像中的像素標(biāo)準(zhǔn)差，為協(xié)方差，和為預(yù)設(shè)常數(shù)；判斷損失函數(shù)是否小于或等于預(yù)設(shè)函數(shù)閾值；若損失函數(shù)小于或等于預(yù)設(shè)函數(shù)閾值，對雙色特征融合去霧網(wǎng)絡(luò)模型進(jìn)行參數(shù)調(diào)整操作，且通過參數(shù)調(diào)整后的雙色特征融合去霧網(wǎng)絡(luò)模型獲取輸入圖像對應(yīng)的第二輸出圖像；通過第二輸出圖像，重新計算雙色特征融合去霧網(wǎng)絡(luò)模型對應(yīng)的損失函數(shù)，并判斷重新計算的損失函數(shù)是否大于預(yù)設(shè)函數(shù)閾值；若重新計算的損失函數(shù)大于預(yù)設(shè)函數(shù)閾值，判斷第二輸出圖像滿足去霧重構(gòu)需求，且完成參數(shù)調(diào)整操作。

21、在本技術(shù)的第二方面提供了一種低光照圖像去霧裝置，裝置包括去霧模型構(gòu)建模塊、融合特征圖構(gòu)建模塊以及去霧重建模塊，其中，

22、去霧模型構(gòu)建模塊，用于在第一環(huán)境下，通過高速公路道路監(jiān)測相機采集第一圖片數(shù)據(jù)子集，第一環(huán)境為有霧環(huán)境；在第二環(huán)境下，通過高速公路道路監(jiān)測相機采集第二圖片數(shù)據(jù)子集，第二環(huán)境為無霧環(huán)境，第一環(huán)境與第二環(huán)境處于相同時間段；將第一圖片數(shù)據(jù)子集與第二圖片數(shù)據(jù)子集作為實時圖片制作數(shù)據(jù)集，并根據(jù)實時圖片制作數(shù)據(jù)集訓(xùn)練雙色特征融合去霧網(wǎng)絡(luò)模型。

23、融合特征圖構(gòu)建模塊，用于通過雙色特征融合去霧網(wǎng)絡(luò)模型，獲取輸入圖像中對應(yīng)的rgb顏色空間特征和hsv顏色空間特征；通過雙色特征融合去霧網(wǎng)絡(luò)模型，根據(jù)rgb顏色空間特征和hsv顏色空間特征，獲取輸入圖像對應(yīng)的融合特征圖。

24、去霧重建模塊，用于根據(jù)融合特征圖對輸入圖像進(jìn)行去霧重建，以得到輸入圖像對應(yīng)的第一輸出圖像，第一輸出圖像為去霧后的圖像。

25、在本技術(shù)的第三方面提供了一種電子設(shè)備，包括處理器、存儲器、用戶接口及網(wǎng)絡(luò)接口，存儲器用于存儲指令，用戶接口和網(wǎng)絡(luò)接口用于給其他設(shè)備通信，處理器用于執(zhí)行存儲器中存儲的指令，以使電子設(shè)備執(zhí)行如上述任意一項的方法。

26、在本技術(shù)的第四方面提供了一種計算機可讀存儲介質(zhì)，計算機可讀存儲介質(zhì)存儲有計算機程序，計算機程序被處理器執(zhí)行如上述任意一項的方法。

27、本技術(shù)實施例中提供的一個或多個技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點：

28、1、本技術(shù)通過分別獲取有霧環(huán)境以及無霧環(huán)境下的圖片作為訓(xùn)練數(shù)據(jù)集，以訓(xùn)練雙色特征融合去霧網(wǎng)絡(luò)模型，并通過雙色特征融合去霧網(wǎng)絡(luò)模型，獲取輸入圖像中對應(yīng)的rgb顏色空間特征和hsv顏色空間特征，從而通過雙色特征融合去霧網(wǎng)絡(luò)模型，減小了圖像去霧后可能出現(xiàn)的色彩失衡問題，通過rgb顏色空間特征和hsv顏色空間特征，獲取輸入圖像對應(yīng)的融合特征圖，并根據(jù)融合特征圖對輸入圖像進(jìn)行去霧重建，以得到輸入圖像對應(yīng)的第一輸出圖像，進(jìn)而提高圖像色彩的真實性，有效提升了在低光照環(huán)境下的圖像去霧能力，改善了圖像去霧重建后的質(zhì)量。

29、2、通過引入損失函數(shù)，并損失函數(shù)設(shè)計中加入smoothl1損失函數(shù)，其結(jié)合了l1損失和l2損失的優(yōu)點，能夠在誤差較小時表現(xiàn)出l2損失的對小誤差更敏感的特性，而在誤差較大時表現(xiàn)出l1損失的對大誤差更穩(wěn)健的特點，進(jìn)而能夠更好地評價去霧圖像與清晰圖像之間的相似性。