CN109816610A - 一种图像去雾系统 - Google Patents
一种图像去雾系统 Download PDFInfo
- Publication number
- CN109816610A CN109816610A CN201910099743.1A CN201910099743A CN109816610A CN 109816610 A CN109816610 A CN 109816610A CN 201910099743 A CN201910099743 A CN 201910099743A CN 109816610 A CN109816610 A CN 109816610A
- Authority
- CN
- China
- Prior art keywords
- domain
- generator
- image
- arbiter
- picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013507 mapping Methods 0.000 claims abstract description 4
- 239000000203 mixture Substances 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 10
- 238000000034 method Methods 0.000 abstract description 10
- 239000003595 mist Substances 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 5
- 230000008859 change Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开一种图像去雾系统，目的在于寻找更为有效的图像去雾的实现方案，其包括用于图片输入输出的X域、与X域连接的X域判别模型、第一生成器、与所述第一生成器组成循环生成双对抗网络的第二生成器、用于图片输入输出的Y域以及与所述Y域连接的Y域判别模型，所述X域通过所述第一生成器、第二生成器与所述Y域相映射。本发明一种图像去雾系统使用循环生成双对抗网络对有雾图片进行去雾处理，其能复原不同雾浓度和场景深度的图像部分,对深度渐变和深度密集突变的图像的去雾效果也理想,颜色自然,且能对雾浓度较大的区域做出合理预测，相比目前主流的去雾方法效果更佳。
Description
技术领域
本发明涉及图像处理领域，具体而言，本发明涉及一种图像去雾系统。
背景技术
随着计算机视觉的发展及其在交通、安全监控领域的应用，图像去雾已成为计算机视觉的重要研究领域。在雾霾天气导致能见度较低的恶劣气象条件下，由摄像机采集到的图片受大气中悬浮颗粒物(如雾、霾等)的影响，导致图片质量不佳，难以辨别图片中的物体特征，甚至影响例如室外监控、目标识别和交通导航中图片的质量。因此，有雾图像特征清晰化有着重要的研究意义。
目前，图像去雾的方法主要有两类：图像增强和模型去雾，其中，
图像增强类算法直接从图像处理角度出发，通过增强含雾图像的对比度，突出图片的特征或有效信息，一定程度上改善图片的视觉效果。但是该类方法忽略了图像降质的真正原因，所以对于场景复杂的图片无法提高图片的质量，甚至可能丢失图像的某些信息。常用的图像增强类算法包括直方图均衡、多尺度Retinex、同态滤波、Tan等。Kim等和Stark提出局部直方图均衡法，其主要是定义一个图像的子块，从而确定其直方图，再对该子块进行直方图均衡，子块的中心灰度被替换为直方图均衡后的灰度，如此根据每个像素的邻域对像素进行处理，有利于突出图像特征。多尺度Retinex算法将有雾图像中的照射分量和反射分量分离，消除以雾为主的照射分量对图像的影响，达到去雾的效果。但是在用该算法进行图像增强时，要计算照度分量，这在数学上是个欠定问题，只能通过近似估计；
模型去雾类算法通过建立大气散射模型，研究图像退化的物理原理，得出大气中悬浮颗粒物对光的散射作用以及对图片的影响，复原出更真实的图片，且在复杂场景中去雾效果较好，图像信息较完整。常用的模型去雾类算法有Tarel、Fattal、He等。Nayer等把大气对景物反射的光线的影响分为大气对景物光线的衰减和环境光的叠加，并分别进行推导，从而在根本上去雾，得到原始的无雾图片，且丢失的信息较少。He通过对大量无雾图像统计特征的观察，提出了暗道先验的算法，其认为雾的浓度近似于最暗通道的数值，即在非天空的清晰区域，在RGB三个通道中有一个颜色通道的亮度很低甚至接近于0。该算法对非天空区域的图片有着良好的去雾效果，而对于有天空的这类的亮区域结果并不理想，且该算法计算量太大，效率较低。
发明内容
为了寻找更为有效的图像去雾的实现方案，本发明实施例提供了一种图像去雾系统，该一种图像去雾系统包括用于图片输入输出的X域、与X域连接的X域判别模型、第一生成器、与所述第一生成器组成循环生成双对抗网络的第二生成器、用于图片输入输出的Y域以及与所述Y域连接的Y域判别模型，所述X域通过所述第一生成器、第二生成器与所述Y域相映射。
优选地，所述X域判别模型包括判别器DX1和判别器DX2，所述判别器DX1和判别器DX2分别与所述X域连接；所述Y域判别模型包括判别器DY1和判别器DY2，所述判别器DY1和判别器DY2分别与所述Y域连接。
优选地，所述第一生成器包括用于提取输入图像的特征向量的编码器、用于将源域中图片的特征向量转换到目标域中的特征向量的转换器以及用于从特征向量中还原出低级特征的解码器，所述编码器与所述X域连接，所述解码器与所述Y域连接，所述转换器连接在所述编码器与所述解码器之间。
与现有技术相比，本发明实施例一种图像去雾系统具有如下有益效果：
本发明实施例一种图像去雾系统使用循环生成双对抗网络对有雾图片进行去雾处理，其能复原不同雾浓度和场景深度的图像部分,对深度渐变和深度密集突变的图像的去雾效果也理想,颜色自然,且能对雾浓度较大的区域做出合理预测，相比目前主流的去雾方法效果更佳。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例一种图像去雾系统的模块结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
请参阅图1，本发明实施例一种图像去雾系统，其包括用于图片输入输出的X域300、与X域300连接的X域判别模型500、第一生成器10、与第一生成器100组成循环生成双对抗网络的第二生成器20、用于图片输入输出的Y域500以及与Y域500连接的Y域判别模型700，其中，X域300通过第一生成器10、第二生成器20与Y域500相映射。
在一些实施方式中，X域判别模型500包括判别器DX1和判别器DX2，其中，判别器DX1和判别器DX2分别与X域300连接。Y域判别模型700包括判别器DY1和判别器DY2，其中，判别器DY1和判别器DY2分别与Y域500连接。
为便于理解本发明实施例一种图像去雾系统，下面简述其工作原理，为便于描述，现假设第一生成器10为生成器G，第二生成器20为生成器F，则有如下：X域300中的图片x通过生成器G映射到Y域500中生成可表示为G：X→Y，有同理，再作为Y域500输入通过生成器F映射回X域并生成可表示为F:Y→X，有
在循环生成双对抗网络的正向训练过程，将一张图片x作为输入，送至生成器G生成图片由判别器DY1和判别器DY2判别图片是生成的还是真实的，再将该图片通过生成器F生成图片值得注意的是，本发明实施例要求最终输出与输入相似，即
在循环生成双对抗网络的反向训练过程，输入图片y经生成器F生成图片由判别器DX1和判别器DX2图片是生成的还是真实的，再将该图片通过生成器G生成图片值得注意的是，本发明实施例要求最终输出与输入相似，即:
在一些实施方式中，第一生成器10和第二生成器20结构基本相同，下面以第一生成器10为例进行说明解释，应当理解的是，该说明解释的效力及于第二生成器20。第一生成器10包括用于提取输入图像的特征向量的编码器101、用于将源域中图片的特征向量转换到目标域中的特征向量的转换器103以及用于从特征向量中还原出低级特征的解码器103，其中，编码器101与X域300连接，解码器103与Y域900连接，转换器103连接在编码器101与解码器103之间。
优选地，编码器101由3层卷积层组成实现。转换器103由6层的ResNet模块组成实现。解码器105由3层反卷积层组成实现。
在一些实施方式中，X域判别模型500、Y域判别模型700分别由编码器101组成实现。
与现有技术相比，本发明实施例一种图像去雾系统具有如下有益效果：
本发明实施例一种图像去雾系统使用循环生成双对抗网络对有雾图片进行去雾处理，其能复原不同雾浓度和场景深度的图像部分,对深度渐变和深度密集突变的图像的去雾效果也理想,颜色自然,且能对雾浓度较大的区域做出合理预测，相比目前主流的去雾方法效果更佳。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种图像去雾系统，其特征在于，所述图像去雾系统包括用于图片输入输出的X域、与X域连接的X域判别模型、第一生成器、与所述第一生成器组成循环生成双对抗网络的第二生成器、用于图片输入输出的Y域以及与所述Y域连接的Y域判别模型，所述X域通过所述第一生成器、第二生成器与所述Y域相映射。
2.如权利要求1所述的图像去雾系统，其特征在于，所述X域判别模型包括判别器DX1和判别器DX2，所述判别器DX1和判别器DX2分别与所述X域连接；所述Y域判别模型包括判别器DY1和判别器DY2，所述判别器DY1和判别器DY2分别与所述Y域连接。
3.如权利要求1所述的图像去雾系统，其特征在于，所述第一生成器包括用于提取输入图像的特征向量的编码器、用于将源域中图片的特征向量转换到目标域中的特征向量的转换器以及用于从特征向量中还原出低级特征的解码器，所述编码器与所述X域连接，所述解码器与所述Y域连接，所述转换器连接在所述编码器与所述解码器之间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910099743.1A CN109816610A (zh) | 2019-01-31 | 2019-01-31 | 一种图像去雾系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910099743.1A CN109816610A (zh) | 2019-01-31 | 2019-01-31 | 一种图像去雾系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109816610A true CN109816610A (zh) | 2019-05-28 |
Family
ID=66606243
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910099743.1A Pending CN109816610A (zh) | 2019-01-31 | 2019-01-31 | 一种图像去雾系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109816610A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110390650A (zh) * | 2019-07-23 | 2019-10-29 | 中南大学 | 基于密集连接和生成对抗网络的oct图像去噪方法 |
| CN110837825A (zh) * | 2019-10-17 | 2020-02-25 | 天津大学 | 基于嵌入式的表计识别与读数系统 |
| CN112037187A (zh) * | 2020-08-24 | 2020-12-04 | 宁波市眼科医院 | 一种眼底低质量图片的智能优化系统 |
| CN113362251A (zh) * | 2021-06-27 | 2021-09-07 | 东南大学 | 基于双判别器与改进损失函数的对抗网络图像去雾方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106127706A (zh) * | 2016-06-20 | 2016-11-16 | 华南理工大学 | 一种基于非线性聚类的单一图像去雾方法 |
| CN107798669A (zh) * | 2017-12-08 | 2018-03-13 | 北京小米移动软件有限公司 | 图像去雾方法、装置及计算机可读存储介质 |
| CN108665432A (zh) * | 2018-05-18 | 2018-10-16 | 百年金海科技有限公司 | 一种基于生成对抗网络的单幅图像去雾方法 |
-
2019
- 2019-01-31 CN CN201910099743.1A patent/CN109816610A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106127706A (zh) * | 2016-06-20 | 2016-11-16 | 华南理工大学 | 一种基于非线性聚类的单一图像去雾方法 |
| CN107798669A (zh) * | 2017-12-08 | 2018-03-13 | 北京小米移动软件有限公司 | 图像去雾方法、装置及计算机可读存储介质 |
| CN108665432A (zh) * | 2018-05-18 | 2018-10-16 | 百年金海科技有限公司 | 一种基于生成对抗网络的单幅图像去雾方法 |
Non-Patent Citations (3)
| Title |
|---|
| 李策等: "生成对抗映射网络下的图像多层感知去雾算法", 《计算机辅助设计与图形学学报》 * |
| 王海: "基于生成对抗网络的图像去雾研究", 《中国优秀硕士学位论文全文数据库（电子期刊）》 * |
| 贾绪仲等: "一种基于条件生成对抗网络的去雾方法", 《信息与电脑(理论版)》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110390650A (zh) * | 2019-07-23 | 2019-10-29 | 中南大学 | 基于密集连接和生成对抗网络的oct图像去噪方法 |
| CN110837825A (zh) * | 2019-10-17 | 2020-02-25 | 天津大学 | 基于嵌入式的表计识别与读数系统 |
| CN112037187A (zh) * | 2020-08-24 | 2020-12-04 | 宁波市眼科医院 | 一种眼底低质量图片的智能优化系统 |
| CN112037187B (zh) * | 2020-08-24 | 2024-03-26 | 宁波市眼科医院 | 一种眼底低质量图片的智能优化系统 |
| CN113362251A (zh) * | 2021-06-27 | 2021-09-07 | 东南大学 | 基于双判别器与改进损失函数的对抗网络图像去雾方法 |
| CN113362251B (zh) * | 2021-06-27 | 2024-03-26 | 东南大学 | 基于双判别器与改进损失函数的对抗网络图像去雾方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109993804A (zh) | 一种基于条件生成对抗网络的道路场景去雾方法 | |
| CN106296612B (zh) | 一种图像质量评价和天气状况引导的分级式监控视频清晰化系统及方法 | |
| CN109816610A (zh) | 一种图像去雾系统 | |
| CN103955905B (zh) | 基于快速小波变换和加权图像融合的单幅图像去雾方法 | |
| CN105046666B (zh) | 一种基于暗原色先验的交通视频实时去雾的方法 | |
| Kuanar et al. | Night time haze and glow removal using deep dilated convolutional network | |
| CN108269244B (zh) | 一种基于深度学习和先验约束的图像去雾系统 | |
| CN111709888B (zh) | 一种基于改进的生成对抗网络的航拍图像去雾方法 | |
| CN108765336A (zh) | 基于暗亮原色先验与自适应参数优化的图像去雾方法 | |
| CN103049888A (zh) | 基于暗原色结合大气散射光的图像/视频去雾方法 | |
| CN108022225A (zh) | 基于快速导向滤波改进的暗通道先验图像去雾算法 | |
| CN104299192A (zh) | 一种基于大气光散射物理模型的单幅图像去雾方法 | |
| CN108093175B (zh) | 一种实时高清视频自适应去雾方法及装置 | |
| CN116311254B (zh) | 一种恶劣天气情况下的图像目标检测方法、系统及设备 | |
| CN104899843A (zh) | 一种实时去雾霾显示仪及其去雾霾显示方法 | |
| Bansal et al. | A review of image restoration based image defogging algorithms | |
| CN110807744A (zh) | 一种基于卷积神经网络的图像去雾方法 | |
| CN112950521A (zh) | 一种图像去雾方法及生成器网络 | |
| CN111598814A (zh) | 基于极端散射通道的单图像去雾方法 | |
| CN104253994B (zh) | 一种基于稀疏编码融合的夜间监控视频实时增强方法 | |
| CN103778605A (zh) | 一种雾天图像增强方法 | |
| CN112184566B (zh) | 一种针对附着水雾水珠去除的图像处理方法和系统 | |
| CN116757957A (zh) | 一种基于零样本学习的两阶段解耦图像去雾方法 | |
| Alluhaidan et al. | Retinex-based visibility enhancement system during inclement weather | |
| Mungekar et al. | Color tone determination prior algorithm for depth variant underwater images from AUV’s to improve processing time and image quality |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190528 |
|
| RJ01 | Rejection of invention patent application after publication |