图像自动透雾处理方法、系统、终端及存储介质

专利主权项内容

1.一种图像自动透雾处理方法，其特征在于，包括：利用图像分类模型对待处理图像的雾气浓度进行等级分类；若待处理图像的雾气浓度为低级，则采用去雾算法对所述待处理图像进行透雾处理；若待处理图像的雾气浓度为高级，则增加光学镜头进行光学透雾，并对光学透雾得到的图像进行色彩还原；所述方法还包括：收集不同场景、不同雾气浓浅程度的图像，按雾气的浓浅程度对所有图像分成7类雾天图像和1类非雾天模糊图像；使用图像质量评价模型对不同雾气浓度程度的图像进行筛选，剔除不符合数据分布的异常图像；将剔除异常图像后剩余的雾天图像和模糊图像作为数据集对图像分类模型进行训练；所述图像分类模型为YoloV5-cls模型，所述YoloV5-cls模型将Conv_104层之后连接的全局均值池化层取消，直接对张量进行压缩，将张量压缩至一维，之后将一维张量输入到通道数逐层递减的三层全连接层，三层通道数递减的全连接层，其通道数分别为5120、2560、1280；增加网络参数的同时使参数从高维到低维映射的过程更加平稳，避免细节信息的丢失；所述图像质量评价模型的基础模型是HyperIQA，基于图像分类模型对于雾气浓度的分类是基于图像整体感知特征，因此对基础模型进行了改进，改进方法如下：将输入层对图像随机裁剪为224*224尺寸更换为直接对图像尺寸缩放至224*224；对HyperIQA的局部失真感知模块进行改进，将特征提取网络ResNet50的第Conv2_10，Conv3_12，Conv4_18层，从原来的多尺度特征Patch提取改进为全局特征提取后进行特征变换，将模型对局部特征质量的感知能力转移到模型对全局特征质量的感知能力。