基于自监督学习的图像去雾方法、装置、设备及介质与流程

技术特征：
1.一种基于自监督学习的图像去雾方法，其特征在于，包括：获取多张清晰无雾图像；分别针对每张所述清晰无雾图像，利用大气散射模型分别按照预设的多个图像处理角度对所述清晰无雾图像进行处理，得到所述清晰无雾图像的多张有雾图像；其中，所述多个图像处理角度与所述多张有雾图像一一对应；分别针对每张所述有雾图像，将所述有雾图像以及所述有雾图像对应的清晰无雾图像作为一图像对，得到多个图像对；利用所述多个图像对对图像去雾模型进行训练，得到训练后的图像去雾模型；利用训练后的所述图像去雾模型对待去雾图像进行去雾处理。2.根据权利要求1所述的图像去雾方法，其特征在于，所述大气散射模型的传输图为：其中，t(x)表示大气散射模型的传输图，x表示所述清晰无雾图像中像素的位置，k表示消散系数，k的取值范围为2至4，t0(x)表示初始化的传输图，p表示调整系数，p的取值范围为1至1.6，d表示偏置系数，d的取值范围为0至0.15。3.根据权利要求2所述的图像去雾方法，其特征在于，在利用所述大气散射模型按照预设的图像处理角度对所述清晰无雾图像进行处理之前，所述图像去雾方法还包括：利用随机函数从所述消散系数的取值范围中选取一数值作为所述消散系数的取值；利用随机函数从所述调整系数的取值范围中选取一数值作为所述调整系数的取值；利用随机函数从所述偏置系数的取值范围中选取一数值作为所述偏置系数的取值。4.根据权利要求1所述的图像去雾方法，其特征在于，所述大气散射模型中大气光值的取值范围为0.6至1。5.根据权利要求4所述的方法，其特征在于，在利用所述大气散射模型按照预设的图像处理角度对所述清晰无雾图像进行处理之前，所述图像去雾方法还包括：利用随机函数从所述大气光值的取值范围中选取一数值作为所述大气光值的取值。6.根据权利要求1所述的方法，其特征在于，所述多个图像处理角度包括：从所述清晰无雾图像的底部至顶部、从所述清晰无雾图像的顶部至底部、从所述清晰无雾图像的左侧至右侧、从所述清晰无雾图像的右侧至左侧、从所述清晰无雾图像的左下角至右上角、从所述清晰无雾图像的右上角至左下角、从所述清晰无雾图像的左上角至右下角，以及从所述清晰无雾图像的右下角至左上角。7.一种基于自监督学习的图像去雾装置，其特征在于，包括：获取模块，用于获取多张清晰无雾图像；处理模块，用于分别针对每张所述清晰无雾图像，利用大气散射模型分别按照预设的多个图像处理角度对所述清晰无雾图像进行处理，得到所述清晰无雾图像的多张有雾图像；其中，所述多个图像处理角度与所述多张有雾图像一一对应；数据集模块，用于分别针对每张所述有雾图像，将所述有雾图像以及所述有雾图像对应的清晰无雾图像作为一图像对，得到多个图像对；训练模块，用于利用所述多个图像对对图像去雾模型进行训练，得到训练后的图像去雾模型；
去雾模块，用于利用训练后的所述图像去雾模型对待去雾图像进行去雾处理。8.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的图像去雾方法。9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的图像去雾方法。

技术总结
本申请适用于图像处理技术领域，提供了一种基于自监督学习的图像去雾方法、装置、设备及介质，其中该方法包括：获取多张清晰无雾图像；分别针对每张清晰无雾图像，利用大气散射模型分别按照预设的多个图像处理角度对清晰无雾图像进行处理，得到清晰无雾图像的多张有雾图像；分别针对每张有雾图像，将有雾图像以及有雾图像对应的清晰无雾图像作为一图像对，得到多个图像对；利用多个图像对对图像去雾模型进行训练，得到训练后的图像去雾模型；利用训练后的图像去雾模型对待去雾图像进行去雾处理。本申请能提高图像去雾的效率。本申请能提高图像去雾的效率。本申请能提高图像去雾的效率。


技术研发人员：杨高波 陈纪友 胡胜 汤应恒
受保护的技术使用者：江苏泛拓信息技术有限公司
技术研发日：2022.08.18
技术公布日：2022/11/11