首页 首页 物联网 物联网技术 查看内容

雾霾太重?深度神经网络教你如何图像去雾

木马童年 2019-1-14 05:10 41 0

雷锋网 (搜索“雷锋网”公众号关注) 按:本文作者蔡博仑,华南理工大学在读博士研究生。主要研究方向,机器学习,计算机视觉,图像处理等 。 北京城被中度污染天气包围,到处都是灰蒙蒙一片——雾霾天又来了。 从11 ...

雷锋网 (搜索“雷锋网”公众号关注) 按:本文作者蔡博仑,华南理工大学在读博士研究生。主要研究方向,机器学习,计算机视觉,图像处理等 。

北京城被中度污染天气包围,到处都是灰蒙蒙一片——雾霾天又来了。 从11日起,雾霾天气就开始出现,根据北京环境监测中心最新预报,这一轮雾霾短期内不会明显好转,尤其是今明两天,北京空气质量维持在4级中度污染,雾霾会一直持续到本周日。

雾霾是特定气候与人类活动相互作用的结果。高密度人口的经济生产及社会活动会排放大量细颗粒物,一旦排放量超过大气循环和承载能力,悬浮颗粒受静稳天气的影响持续积聚,极易出现大范围的雾霾。

一、图像去雾的核心

现有的 图像去雾 (Image Dehazing)技术离不开一个简单的自然模型—— 大气散射模型(Atmospheric Scattering Model) 。大气散射模型描述了,在雾霾和光照的共同作用下的成像机制:

阳光在物体表面形成反射光 J ( x ) ,反射光在穿过雾霾的过程发生散射,只有部分能量 J ( x ) t ( x ) 能到达摄像头。与此同时,阳光也在悬浮颗粒表面散射形成大气光 α 被摄像头接收。因此,摄像头中的成像 I ( x ) 可由两部分组成,透射的物体亮度 J (x ) t ( x ) 和散射的大气光照 α ( 1-t ( x )) :

其中, t ( x ) 是 媒介透射率 (medium transmission),顾名思义表示 能顺利透过雾霾到达摄像头的比率 。因此,透射率跟物体与摄像头距离 d ( x ) 成反比,离摄像头越远的物体受雾霾影响更大。 当距离 d ( x ) 趋于无穷大时,透射率 t ( x ) 趋于零, I ( x ) 趋近于 α , α= max y∈ { x|t ( x ) ≤t0 } I ( y ) 。综上所述, 去雾的核心是如何更精确地估计媒介透射率 t ( x ) 。

二、基于人工特征

手工特征是传统机器视觉的基础,讲究的是熟能生巧,依赖的是实践出真知。通过“观察→经验→设计”构建各式各样的特征来满足各式各样的任务需求。图像去雾技术也是沿着手工特征逐步地发展起来。

(1)暗通道先验 [2] (Dark Channel Prior,DCP)

说起去雾特征,不得不提起的暗通道先验(DCP)。大道之行在于简,DCP作为CVPR 2009的最佳论文,以简洁有效的先验假设解决了雾霾浓度估计问题。

观察发现,清晰图像块的RGB颜色空间中有一个通道很暗(数值很低甚至接近于零)。因此基于暗通道先验,雾的浓度可由最暗通道的数值近似表示:

(2)最大对比度 [3] (Maximum Contrast,MC)

根据大气散射模型,雾霾会降低物体成像的对比度: Σ x ‖ ΔI(x) ‖ =tΣ x ‖ ΔJ(x) ‖ ≤Σ x‖ ΔJ(x) ‖ 。 因此,基于这个推论可利用局部对比度来近似估计雾霾的浓度。同时,也可以通过最大化局部对比度来还原图像的颜色和能见度。

(3)颜色衰减先验 [4] (Color Attenuation Prior,CAP)

颜色衰减先验(CAP)是一种与暗通道先验(DCP)相似的先验特征。观察发现雾霾会同时导致图像饱和度的降低和亮度的增加,整体上表现为颜色的衰减。根据颜色衰减先验,亮度和饱和度的差值被应用于估计雾霾的浓度:

三、基于深度智能

人的视觉系统并不需依赖这些显式的特征变换,便可以很好地估计雾的浓度和场景的深度。 DehazeNet 是一个特殊设计的深度卷积网络,利用深度学习去智能地学习雾霾特征,解决手工特征设计的难点和痛点。

(1) 特征提取(Feature Extraction)

特征提取有别于传统卷积神经网络,DehazeNet采用“卷积+Maxout [5] ”的结构作为网络第一层:

并且可以证明,“卷积+Maxout”等价于传统的手工去雾特征:

当W 1 是反向(Opposite)滤波器,通道的最大等价于通道的最小值,等价于暗通道先验(DCP);当W 1 是环形(Round)滤波器, 等价于对比度提取,等价于最大对比度(MC); 当W 1 同时包含反向(Opposite)滤波器和全通(All-pass)滤波器,等价于RGB到HSV颜色空间转换,等价于颜色衰减先验(CAP)。

此外,从机器学习角度看,Maxout是一种样条函数,具有更强的非线性拟合能力,如下图(d)。

(2) 多尺度映射(Multi-scale Mapping)与局部极值(Local Extremum)

多尺度特征会提高不同分辨率下特征提取的鲁棒性。传统去雾方法中也会采用不同尺度的滤波器(均值、中值、最小值)来增强特征在不同尺度下的鲁棒性。 借鉴于GoogLeNet中的inception结构,采用3组不同尺度(3×3,5×5,7×7)的滤波器实现DehazeNet的尺度鲁棒性:

局部极值(MAX Pooling)是深度卷积神经网络的经典操作。局部极值约束了透射率的局部一致性,可以有效抑制透射率的估计噪声。 此外,局部极值也 对应 于暗通道先验(DCP)的局部最小值和最大对比度(MC)的局部最大值。

(3) 非线性回归(Non -linear Regression)

大气透射率是一个概率(0到1),不可能无穷大,也不可能无穷小。受到Sigmoid和ReLU激励函数的启发,提出双边纠正线性单元(Bilateral Rectified Linear Unit,BReLU),在双边约束的同时,保证局部的线性。

BReLU的非线性回归对应于传统去雾方法中的边缘抑制操作(如DCP和CAP)。双边约束引入先验信息缩小参数搜索空间,使得网络更加容易训练;局部线性避免Sigmoid函数梯度不一致带来的收敛困难。

DehazeNet基于手工特征,又超出传统方法,从人工到智能。因此,DehazeNet取得了更好的去雾结果,更多的对比实验和代码资源:

项目主页

GitHub代码

BReLU+Caffe

其他复现 (1) ; (2)

参考文献

[1] Cai B, Xu X, Jia K, et al. DehazeNet: An End-to-End System for Single Image Haze Removal [J]. IEEE Transactions on Image Processing, 2016, 25(11): 5187-5198.

[2] He K, Sun J, Tang X. Single image haze removal using dark channel prior[J]. IEEE transactions on pattern analysis and machine intelligence, 2011, 33(12): 2341-2353.

[3] Tan R T. Visibility in bad weather from a single image[C]//Computer Vision and Pattern Recognition, 2008. CVPR 2008. IEEE Conference on. IEEE, 2008: 1-8.

[4] Zhu Q, Mai J, Shao L. A fast single image haze removal algorithm using color attenuation prior[J]. IEEE Transactions on Image Processing, 2015, 24(11): 3522-3533.

[5] Goodfellow I J, Warde-Farley D, Mirza M, et al. Maxout networks[J]. ICML (3), 2013, 28: 1319-1327.

在不久的将来,多智时代一定会彻底走入我们的生活,有兴趣入行未来前沿产业的朋友,可以收藏多智时代,及时获取人工智能、大数据、云计算和物联网的前沿资讯和基础知识,让我们一起携手,引领人工智能的未来!

机器学习 计算机视觉 图像处理 环境监测 摄像头 机器视觉
0
为您推荐
智能卡失效机理研究及分析实例

智能卡失效机理研究及分析实例

  IC智能卡作为信息时代的新型高技术存储产品,具有容量大、保密性强以及携带方便等…...

无线网络技术在监狱安防系统中的应用

无线网络技术在监狱安防系统中的应用

  监狱对于其安防系统设计具有高安全性、稳定性和实时性的要求。目前,监狱系统中所…...

谈谈边缘计算在物联网

谈谈边缘计算在物联网

边缘计算,是一种分散式运算的架构,它将应用程序、数据资料与服务的运算,由网络中心…...

RFID与条码技术在病人安全管理中的应用

RFID与条码技术在病人安全管理中的应用

  概要 随着美国医院的患者安全问题近来成为人们关注的焦点,大量专门用于提高临床…...

零售业信息化趋势

零售业信息化趋势

近年来,零售业的蓬勃发展引来了人们的普遍关注。连锁门店成为一种世界性潮流趋势,在…...

RFID 无线通信迂回式随机树形防冲突算法

RFID 无线通信迂回式随机树形防冲突算法

  射频识别RFID(RadioFrequencyIdentification)技术相对于传统的磁卡及IC卡技术具…...