技术特征：
1.一种基于生成对抗网络的雾天图像去雾方法，其特征在于，包括，步骤1：获取训练图像数据集，所述训练图像数据集包括有雾图像和无雾图像对；步骤2：构建生成对抗网络模型，所述生成对抗网络模型包括生成器和判别器，其中，所述生成器包括4个编码器、9个residual-inception块和2个解码块，用于生成无雾图像；所述判别器包括2个编码器、3个残差块和1个卷积层，用于判断生成的无雾图像的真假；步骤3：利用所述训练图像数据集对所述生成对抗网络模型进行训练，得到优化后的生成对抗网络模型；步骤4：将待去雾的雾图输入优化后的所述生成对抗网络模型，得到无雾图像。2.根据权利要求1所述的一种基于生成对抗网络的雾天图像去雾方法，其特征在于，所述生成器的编码器包括卷积层、instance norm层和relu函数激活层，所述卷积层的核大小为3x3。3.根据权利要求2所述的一种基于生成对抗网络的雾天图像去雾方法，其特征在于，所述生成器的解码器包括反卷积层、instance norm层和relu函数激活层，所述反卷积层的核大小为3x3。4.根据权利要求3所述的一种基于生成对抗网络的雾天图像去雾方法，其特征在于，所述residual-inception块采用跳跃连接，第i(i<＝4)个所述residual-inception块的输出与第10-i个所述residual-inception块的输入连接。5.根据权利要求4所述的一种基于生成对抗网络的雾天图像去雾方法，其特征在于，所述residual-inception块由三个空间大小分别为3x3、5x5、7x7的平行卷积层组成，之后进行特征连接再通过三个平行3x3卷积层进行卷积操作，然后对卷积结果进行相加，最后通过1x1卷积层保持与residual-inception模块输入维度相同并把residual-inception模块输入特征与1x1卷积层输出进行相加。6.根据权利要求1所述的一种基于生成对抗网络的雾天图像去雾方法，其特征在于，所述判别器的编码器包括卷积层、instance norm层和relu函数激活层，所述卷积层的核大小为3x3，所述判别器的残差块包括3个卷积层和relu函数激活层，其中，第一个卷积层输出与第二个卷积层输出进行相加，第一个卷积层输出与relu激活单元输出进行相加，第二个卷积层输出加到relu激活单元输出。7.根据权利要求1所述的一种基于生成对抗网络的雾天图像去雾方法，其特征在于，所述对抗网络模型的损失函数为：述对抗网络模型的损失函数为：述对抗网络模型的损失函数为：述对抗网络模型的损失函数为：式中，表示条件gan损失用来指导图像生成，ssim(g(x),y)表示ssim损失用来保存图像的结构信息,表示边缘损失用来保存图像的边缘信息，表
示l1范数，g(x)表示生成的无雾图像、y表示真实的无雾图像，μ
g(x)
,μ
y
,σ
g(x)
,σ
y
,σ
g(x)y
分别表示图像g(x)、y的局部均值、标准差和互协方差，e
g(x)
表示生成的无雾图像的边缘图，e
y
表示真实无雾图像的边缘图，其中，边缘图采用canny算子进行提取。8.根据权利要求1所述的一种基于生成对抗网络的雾天图像去雾方法，其特征在于，步骤3中，利用所述训练图像数据集对所述生成对抗网络模型进行训练，得到优化的生成对抗网络模型的方法包括：步骤31：将所述训练图像数据集分为训练集和测试集；步骤32：利用所述训练集对所述生成对抗网络模型进行训练，利用所述测试集对所述生成对抗网络模型进行测试；步骤33：在所述测试结果达到预设准确率时，得到优化后的所述生成对抗网络模型。9.一种基于生成对抗网络的雾天图像去雾装置，其特征在于，包括：获取模块，用于获取训练图像数据集，所述训练图像数据集包括有雾图像和无雾图像对；构建模块，用于构建生成对抗网络模型，所述生成对抗网络模型包括生成器和判别器，其中，所述生成器包括4个编码器、9个residual-inception块和2个解码块，用于生成无雾图像；所述判别器包括2个编码器、3个残差块和1个卷积层，用于判断生成的无雾图像的真假；训练模块，用于利用所述训练图像数据集对所述生成对抗网络模型进行训练，得到优化的生成对抗网络模型；去雾模块，用于将待去雾的雾图输入优化后的所述生成对抗网络模型，得到无雾图像。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8中任一项所述方法的步骤。
技术总结
本发明公开了一种基于生成对抗网络的雾天图像去雾方法及装置，涉及车辆自动驾驶及控制技术领域，所述方法包括：取训练图像数据集，所述训练图像数据集包括有雾图像和无雾图像对；构建生成对抗网络模型，所述生成对抗网络模型包括生成器和判别器；利用所述训练图像数据集对所述生成对抗网络模型进行训练，得到优化后的生成对抗网络模型；将待去雾的雾图输入优化后的所述生成对抗网络模型，得到无雾图像。本发明增强了去雾效果，提高雾天图像的判别性；解决了现有技术中雾天环境图像存在的颜色偏差、背景模糊、对比度和能见度低等问题，降低了恶劣环境对无人驾驶车辆的影响。低了恶劣环境对无人驾驶车辆的影响。低了恶劣环境对无人驾驶车辆的影响。
技术研发人员：许达文 张祥建 张旻晋
受保护的技术使用者：成都视海芯图微电子有限公司
技术研发日：2022.09.02
技术公布日：2022/12/5