电子信息技术

本发明为克服现有技术存在的去雾精度和效率低的缺陷，提供一种基于生成对抗网络和多尺度融合的图像去雾方法及系统。 为解决上述技术问题，本发明的技术方案如下： 第一个方面，本发明提出一种基于生成对抗网络和多尺度融合的图像去雾方法，包括： S1：获取训练集数据，所述训练集数据包括真实有雾图像和真实无雾图像。 S2：构建图像去雾模型，所述图像去雾模型包括第一去雾单元和第二去雾单元。所述第一去雾单元为暗通道先验去雾单元。所述第二去雾单元为生成对抗网络去雾单元。 S3：将所述训练集数据输入所述图像去雾模型进行训练，直至所述图像去雾模型的损失函数收敛，得到训练好的图像去雾模型。 S4：将真实有雾图像输入训练好的图像去雾模型，通过所述第一去雾单元对所述真实有雾图像进行暗通道先验去雾处理，得到第一传输映射图像和第一去雾图像。

成果亮点

本发明涉及图像处理领域，公开了一种基于生成对抗网络和多尺度融合的图像去雾方法及系统，方法包括：构建包括第一去雾单元和第二去雾单元的图像去雾模型；将真实有雾图像输入训练好的图像去雾模型，通过第一去雾单元对真实有雾图像进行暗通道先验去雾处理，得到第一传输映射图像和第一去雾图像；通过第二去雾单元对第一传输映射图像和第一去雾图像进行特征细化处理，得到第二传输映射图像和第二去雾图像；并对第二传输映射图像进行物理去雾处理，得到第三去雾图像；对第二去雾图像和第三去雾图像进行图像融合，得到最终的无雾图像。本发明结合了基于物理模型先验方法和基于深度学习方法对图像进行去雾处理，提高了去雾精度和效率。

视频监控：在安防监控 / 车载系统场景下，对受浓雾天气影响拍摄的视频 / 图像进行优化处理，重建更可辨析的监控材料。

卫星图像分析：可以用于分析卫星图像，提高图像的清晰度和分辨率，从而更好地监测地球表面的变化，例如气候变化、森林砍伐、城市化等。

航空航天：对飞机、卫星等航空航天器拍摄的图像进行去雾处理，提高图像的质量和可靠性，有助于飞行安全和任务执行。

自动驾驶：帮助自动驾驶汽车在恶劣天气条件下更好地识别道路和周围环境，提高行驶安全性。

医疗影像：可以应用于医疗影像领域，对 X 光、CT、MRI 等图像进行去雾处理，提高医生的诊断准确性。

工业检测：在工业检测中，对受雾气影响的图像进行去雾处理，有助于提高检测的准确性和效率。

军事领域：该方法可以用于军事侦察、目标识别等领域，提高图像的清晰度和分辨率，从而更好地获取情报和执行任务。

总之，基于生成对抗网络和多尺度融合的图像去雾方法及系统在计算机视觉、图像处理、人工智能等领域具有重要的研究意义和应用价值。

与现有技术相比，本发明技术方案的有益效果是：本发明基于生成对抗网络和暗通道先验去雾算法相结合构建双阶段图像去雾模型，在模型的第一阶段用真实有雾图像作为输入，经过暗通道先验去雾得到第一传输映射图像和第一去雾图像，在模型的第二阶段细化第一阶段输出的结果，利用生成对抗网络中对未配对的无雾图像和第二去雾图像进行对抗性学习以提高去雾结果真实性，结合了基于物理模型先验方法和基于深度学习方法对图像进行去雾处理，从而提高了去雾精度和效率。