图像去雾模型的获取方法、装置和电子设备与流程

技术特征：
1.一种图像去雾模型的训练方法，包括：获取多个图像样本对，其中，各图像样本对包括雾气图像和所述雾气图像对应的预设清晰图像；将所述各图像样本对中的雾气图像输入至初始图像去雾模型中，得到所述各图像样本对对应的输出结果；其中，所述输出结果包括所述雾气图像对应的光照信息图像、雾气成分图像、以及预测清晰图像；根据各图像样本对中的雾气图像和所述各图像样本对对应的输出结果，构造所述各图像样本对对应的第一损失函数，并根据所述各图像样本对中的预设清晰图像和所述各图像样本对对应的输出结果中的预测清晰图像，构造所述各图像样本对对应的第二损失函数；根据所述各图像样本对对应的第一损失函数和第二损失函数，更新初始图像去雾模型的网络参数。2.根据权利要求1所述的方法，其中，所述初始图像去雾模型包括一个下采样网络和三个上采样网络；将所述各图像样本中的雾气图像输入至初始图像去雾模型中，得到所述各图像样本对对应的输出结果，包括：将所述各图像样本中的雾气图像输入至所述初始图像去雾模型中，通过所述下采样网络进行编码处理，得到各雾气图像对应的特征图；分别通过三个上采样网络对所述各雾气图像对应的特征图进行解码处理，得到所述各图像样本对对应的输出结果。3.根据权利要求2所述的方法，其中，所述分别通过三个上采样网络对所述各雾气图像对应的特征图进行解码处理，得到所述各图像样本对对应的输出结果，包括：对所述各雾气图像对应的特征图进行增强处理，得到所述各雾气图像对应的目标特征图；分别通过所述三个上采样网络对所述各雾气图像对应的目标特征图进行解码处理，得到所述各图像样本对对应的输出结果。4.根据权利要求3所述的方法，其中，所述对所述各雾气图像对应的特征图进行增强处理，得到所述各雾气图像对应的目标特征图，包括：确定所述各雾气图像对应的特征图中的通道特征和像素特征；对所述各雾气图像对应的特征图中的通道特征和像素特征分别进行增强处理，得到所述各雾气图像对应的目标特征图。5.根据权利要求1-4任一项所述的方法，其中，所述根据各图像样本对中的雾气图像和所述各图像样本对对应的输出结果，构造所述各图像样本对对应的第一损失函数，包括：根据所述各图像样本对对应的输出结果中的光照信息图像、雾气成分图像、以及预测清晰图像，重构所述各图像样本对对应的重构雾气图像；根据所述各图像样本对中的雾气图像和其对应的重构雾气图像，构造所述各图像样本对对应的第一损失函数。6.根据权利要求1-5任一项所述的方法，其中，所述根据所述各图像样本对对应的第一损失函数和第二损失函数，更新初始图像去雾模型的网络参数，包括：根据所述各图像样本对对应的第一损失函数和第二损失函数，确定所述各图像样本对
对应的损失函数；根据所述各图像样本对对应的损失函数，更新所述初始图像去雾模型的网络参数。7.根据权利要求6所述的方法，其中，所述根据所述各图像样本对对应的损失函数，更新所述初始图像去雾模型的网络参数，包括：根据所述各图像样本对对应的损失函数，确定所述多个图像样本对对应的平均损失函数；根据所述平均损失函数，更新所述初始图像去雾模型的网络参数。8.一种图像去雾方法，包括：获取待处理雾气图像；将所述待处理雾气图像输入至图像去雾模型中，得到所述待处理雾气图像对应的清晰图像；其中，所述图像去雾模型为根据各图像样本对中的雾气图像和各图像样本对对应的输出结果，构造的所述各图像样本对对应的第一损失函数，及根据所述各图像样本对中的预设清晰图像和所述各图像样本对对应的输出结果中的预测清晰图像，构造的所述各图像样本对对应的第二损失函数训练得到的。9.一种图像去雾模型的训练装置，包括：获取单元，用于获取多个图像样本对，其中，各图像样本对包括雾气图像和所述雾气图像对应的预设清晰图像；处理单元，用于将所述各图像样本对中的雾气图像输入至初始图像去雾模型中，得到所述各图像样本对对应的输出结果；其中，所述输出结果包括所述雾气图像对应的光照信息图像、雾气成分图像、以及预测清晰图像；构造单元，用于根据各图像样本对中的雾气图像和所述各图像样本对对应的输出结果，构造所述各图像样本对对应的第一损失函数，并根据所述各图像样本对中的预设清晰图像和所述各图像样本对对应的输出结果中的预测清晰图像，构造所述各图像样本对对应的第二损失函数；更新单元，用于根据所述各图像样本对对应的第一损失函数和第二损失函数，更新初始图像去雾模型的网络参数。10.根据权利要求9所述的装置，其中，所述初始图像去雾模型包括一个下采样网络和三个上采样网络；所述处理单元包括第一处理模块和第二处理模块；所述第一处理模块，用于将所述各图像样本中的雾气图像输入至所述初始图像去雾模型中，通过所述下采样网络进行编码处理，得到各雾气图像对应的特征图；所述第二处理模块，用于分别通过三个上采样网络对所述各雾气图像对应的特征图进行解码处理，得到所述各图像样本对对应的输出结果。11.根据权利要求10所述的装置，其中，所述第二处理模块包括第一处理子模块和第二处理子模块；所述第一处理子模块，用于对所述各雾气图像对应的特征图进行增强处理，得到所述各雾气图像对应的目标特征图；所述第二处理子模块，用于分别通过所述三个上采样网络对所述各雾气图像对应的目标特征图进行解码处理，得到所述各图像样本对对应的输出结果。
12.根据权利要求11所述的装置，所述第一处理子模块，具体用于确定所述各雾气图像对应的特征图中的通道特征和像素特征；并对所述各雾气图像对应的特征图中的通道特征和像素特征分别进行增强处理，得到所述各雾气图像对应的目标特征图。13.根据权利要求9-12任一项所述的装置，其中，所述构造单元包括第一构造模块和第二构造模块；所述第一构造模块，用于根据所述各图像样本对对应的输出结果中的光照信息图像、雾气成分图像、以及预测清晰图像，重构所述各图像样本对对应的重构雾气图像；所述第二构造模块，用于根据所述各图像样本对中的雾气图像和其对应的重构雾气图像，构造所述各图像样本对对应的第一损失函数。14.根据权利要求9-13任一项所述的装置，其中，所述更新单元包括第一更新模块和第二更新模块；所述第一更新模块，用于根据所述各图像样本对对应的第一损失函数和第二损失函数，确定所述各图像样本对对应的损失函数；所述第二更新模块，用于根据所述各图像样本对对应的损失函数，更新所述初始图像去雾模型的网络参数。15.根据权利要求14所述的装置，其中，所述第二更新模块包括第一更新子模块和第二更新子模块；所述第一更新子模块，用于根据所述各图像样本对对应的损失函数，确定所述多个图像样本对对应的平均损失函数；所述第二更新子模块，用于根据所述平均损失函数，更新所述初始图像去雾模型的网络参数。16.一种图像去雾装置，包括：获取单元，用于获取待处理雾气图像；处理单元，用于将所述待处理雾气图像输入至图像去雾模型中，得到所述待处理雾气图像对应的清晰图像；其中，所述图像去雾模型为根据各图像样本对中的雾气图像和各图像样本对对应的输出结果，构造的所述各图像样本对对应的第一损失函数，及根据所述各图像样本对中的预设清晰图像和所述各图像样本对对应的输出结果中的预测清晰图像，构造的所述各图像样本对对应的第二损失函数训练得到的。17.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的图像去雾模型的训练方法，或者，执行权利要求8所述的图像去雾方法。18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的图像去雾模型的训练方法；或者，执行权利要求8所述的图像去雾方法。
19.一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-7中任一项所述的图像去雾模型的训练方法的步骤；或者，实现权利要求8所述的图像去雾方法的步骤。

技术总结
本公开提供了一种图像去雾模型的获取方法、装置和电子设备，涉及图像处理等人工智能技术领域。具体实现为：在获取图像去雾模型时，将多个图像样本对中各图像样本对中的雾气图像输入至初始图像去雾模型，根据各图像样本对中的雾气图像和各图像样本对对应的输出结果，构造各图像样本对对应的第一损失函数；根据各图像样本对中的预设清晰图像和各图像样本对对应的输出结果中的预测清晰图像，构造各图像样本对对应的第二损失函数；再结合各图像样本对对应的第一损失函数和第二损失函数，共同更新初始图像去雾模型的网络参数，这样可以提高图像去雾模型的准确度，使得后续基于图像去雾模型对雾气图像进行去雾处理时，可以提高处理结果的准确度。结果的准确度。结果的准确度。


技术研发人员：宋希彬 张良俊
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2021.11.11
技术公布日：2022/2/23