买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：四川国创新视超高清视频科技有限公司

摘要：本发明涉及图像去雾领域，具体公开了基于弱监督对比学习的4K图像去雾算法，包括S1、将有雾图像经暗通先验处理后得到暗通道先验图像；将有雾图像与处理后的图像进行加权融合，最终得到融合图像；S2、将融合图像输入U‑net卷积神经网络结构中进行处理，并且处理时插入了残差块、引入了SC注意力机制；S3、利用PatchGAN作为鉴别器，其将复原图像划分为许多小的重叠区域，判断每个小区域是否为真实图像的一部分，采用最小二乘GAN损失训练网络，最后判别并得到恢复后的无雾图像；S4、对比学习损失函数。本发明达到的有益效果是：高分辨率图像去雾算法耗时短，且能够保持高精度去雾效果。

主权项：1.基于弱监督对比学习的4K图像去雾算法，其特征在于：包括以下步骤：S1、图像预备处理；将输入的有雾图像经暗通道先验处理后、再通过大气散射模型进行校正，得到暗通道先验图像；其中，是指非清晰图像；将暗通道先验图像与有雾图像进行加权融合，得到融合图像；S2、生成图像；将融合图像输入U-net卷积神经网络结构中，通过卷积操作进行编码，提取多尺度特征，然后通过解码器逐步恢复图像的空间分辨率，输出复原图像，是指清晰图像；在提取多尺度特征阶段，插入有残差块，并且在残差块的基础上引入SC注意力机制；S3、鉴别图像；将复原图像划分为多个小块，然后通过PatchGAN鉴别器判断每个小块是否为真实图像的一部分；在网络的训练过程中，采用最小二乘GAN精算生成器和鉴别器之间的对空损失，指导生成器生成更真实的去雾图像-即得到初步恢复后的无雾图像；S4、对比学习损失函数；S401、构建正样本、负样本；从输入的有雾图像中随机选择N+1个图像块，从N+1个图像块中一个图像块；从输出的复原图像中找到一个图像块，图像块与图像块的位置相对；有雾图像中随机选择N+1个图像块，除去图像块外，还剩余N个图像块；那么，图像块与图像块组成一对正样本；将图像块与剩余的N个图像块，组成N组负样本；使用带有噪声的对比估计模块来最大化正样本之间的互信息-即、中对应的图像块之间的互信息，具体如下：b.计算正样本相对于负样本被选择的概率，该概率通过交叉熵损失来表达 其中，表示和之间的余弦相似度；参数是一个温度参数，用于调整锚点和其他样本之间的距离，通常默认设置为0.07；则指代第n个负样本；S402、逐像素对比损失；采用编码器和两个多层感知机网络从输入的有雾图像中提取特征，并将其嵌入到特征堆栈；其中，表示从编码器中全部选中的层数，表示为选定的第层；表示，将图像中选取的样本，输入网络后依次经过编码层的计算获得的特征，经过一层就会有一个特征，这里表示选定第层；表示，已知选择并计算获得了相应层数的特征，然后将相应层数的特征又经过多层感知机网络，然后进行每个样本块计算后就获得了的特征感知结果；是的简单表达；表示一个样本经过选定层的计算后得到的一个特征值；这些特征堆栈代表了不同的图像块；将每个选定层中的空间位置设置为，其中代表每层空间位置的个数；每层选择一个锚点，并将其特征表示为，其中代表每一层的通道数；其中，表示，所有样本经过计算后组成的一个集合，S表示所有样本的数量；将正样本的特征、负样本的特征分别表示为、；其中，表示正样本经过计算后组成的一个集合；S\s表示，在所有样本S中去除正样本s的结果，即全部负样本；表示，所有负样本经过计算后组成的一个集合，因为每一层的特征集合均少计算一个正样本，因此其集合的数据量变为；最终的损失表示为： 其中，表示输入和输出图像块之间的映射关系，有N+1个映射关系；S403、逐像素对比损失；通过拍摄获得真实世界的干净图像、通过拍摄获得真实世界的对应的雾霾图像，这些图像是从真实世界的图像中随机选择的、并且彼此之间不配对；生成正负样本对：采用干净图像和初步恢复的无雾图像作为正样本对，使用雾霾图像和初步恢复的无雾图像作为负样本对；损失计算：通过构建像素级自对比感知损失，比较正样本对和负样本对，增强模型的辨别能力；特征提取：引入预训练的VGG-16网络，提取正负样本对的特征映射，以进一步提升图像复原效果；因此，在损失计算中，逐像对比损失被描述为 其中，，=1，2，…表示为ImageNet上预训练的VGG-16网络提取的第i个隐藏特征；选择第2，3，5个最大池化层；代表权重系数，分别为0.4，0.6和1；表示一个常数值；公式中的“1”，表示L1范数，也称曼哈顿距离，即向量中各元素的绝对值之和，用于衡量两个向量之间的距离，若两个向量之间的额距离越近则表明这两个向量越相似；此外，还采用同一损失来保持去雾后的图像结构相同，即，表示清晰没有雾的图像经过生成网络G以后的结果，损失的目的是控制生成网络工作性能，保证不影响正常图像处理结果，期望其输出结果与输入结果基本保持一致；是指与非清晰图一起训练的清晰图；总的损失函数被表示为 其中，分别为1，1，0.0002，5；表示判断网络的损失值，adv指判断网络；表示对生成器的生成结果进行判别。

全文数据：

权利要求：

百度查询： 四川国创新视超高清视频科技有限公司 基于弱监督对比学习的4K图像去雾算法