(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211341493.6 (22)申请日 2022.10.31 (71)申请人 航天宏图信息技 术股份有限公司 地址 100094 北京市海淀区翠湖北环路2号 院4号楼 (72)发明人 王宇麟　王宇翔　张攀　沈均平　 杨娜　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 张萌 (51)Int.Cl. G06T 5/00(2006.01) G06T 5/50(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于全局颜色迁移的遥感影像去雾方 法和装置 (57)摘要 本发明提供了一种基于全局颜色迁移的遥 感影像去雾方法和装置， 涉及影像增强的技术领 域， 包括： 获取样本遥感影像集， 并利用预设加雾 算法， 对样本遥感影像集进行加雾处理， 得到目 标遥感影像集； 利用目标遥感影像集和样本遥感 影像集， 对初始去雾网络模型进行训练， 得到目 标去雾网络模型， 其中， 初始去雾网络模型为基 于生成对 抗网络、 Conv Next和注意力机制构建的 网络模型； 在获取到待去雾影像之后， 利用目标 去雾网络模 型对待去雾影像进行去雾处理， 得到 初始去雾影像； 将待去雾影像和初始去雾影像转 换至Lab颜色空间进行颜色迁移， 得到目标去雾 影像， 解决了现有的遥感影像去雾方法效率较低 且完成去雾的遥感影 像存在色差的技 术问题。 权利要求书3页 说明书10页 附图3页 CN 115471429 A 2022.12.13 CN 115471429 A 1.一种基于全局颜色迁移的遥感影 像去雾方法， 其特 征在于， 包括： 获取样本遥感影像集， 并利用预设加雾算法， 对所述样本遥感影像集进行加雾处理， 得 到目标遥感影 像集； 利用所述目标遥感影像集和所述样本遥感影像集， 对初始去雾网络模型进行训练， 得 到目标去雾网络模 型， 其中， 所述初始去雾网络模 型为基于生成对抗网络、 ConvNext和注 意 力机制构建的网络模型； 在获取到待去雾影像之后， 利用所述目标去雾网络模型对所述待去雾影像进行去雾处 理， 得到初始去雾影 像； 将所述待去雾影像和所述初始去雾影像转换至  Lab颜色空间进行颜色迁移， 得到目标 去雾影像。 2.根据权利要求1所述的方法， 其特征在于，  所述预设加雾算法包括第一加雾算法和 第二加雾算法， 则利用预设加雾算法， 对所述样本遥感影像集进 行加雾处理， 得到目标遥感 影像集， 包括： 利用所述第 一加雾算法和所述第 二加雾算法， 以随机概率对所述样本遥感影像集中的 各个样本 遥感影像进行加雾处 理， 得到所述目标遥感影 像集； 其中， 所述第一加雾算法为 ； 所述第二加雾算法为 ； 和 用于表征所述样本遥感影像中像素的位置， 为雾浓度系数， 和 用于表征所 述样本遥感影像的尺寸， 为0到1之间的随机浮点 数， 为所述样本遥感影像的随机传输 率， 为所述样本遥感影像中像素的传输率， 所述样本遥感影像中像素的亮度系数， 为所述 样本遥感影像。 3.根据权利要求1所述的方法， 其特 征在于， 所述初始去雾网络模型包括 生成器和判别器； 其中， 所述生成器的输入层和输出层由7 ×7的普通卷积和步长为2的2 ×2卷积、 转置卷 积重叠， 用于对所述样本 遥感影像进行下采样和特 征还原； 所述生成器的编码层和解码层的每层都由一个CA ‑ConvNext模块构成， 均使用步长为2 的2×2卷积、 转置卷积对中间特 征尺寸进行变换， 并以ad d操作进行残差连接； 所述编码层的末尾加入了由CA ‑ConvNext模块堆叠构成的特征转换层， 其首尾由带权 重的残差连接， 且， 所述生成器不包括Normalization层， 所述CA ‑ConvNext模块由深度可分 离卷积及反置 权重残差结构组成。 4.根据权利要求1所述的方法， 其特征在于，  利用所述目标遥感影像集和所述样本遥 感影像集， 对初始去雾网络模型进行训练， 得到目标去雾网络模型， 包括： 对所述目标遥感影像集中的目标遥感影像和所述样本遥感影像集中的样本遥感影像 进行下采样， 得到第一目标遥感影 像集和第一样本 遥感影像集； 按照预设尺寸， 对所述第 一目标遥感影像集中的遥感影像和所述第 一样本遥感影像集 中的遥感影 像进行裁切， 得到初始样本集； 对所述初始样本集进行归一 化处理和数据增强处 理， 得到样本集；权　利　要　求　书 1/3 页 2 CN 115471429 A 2利用所述样本集对所述初始去雾网络模型进行迭代训练， 直至迭代次数达到预设次数 或损失函数值小于预设阈值， 将迭代次数达到预设次数或损失函数值小于预设阈值时得到 的去雾网络模型确定为损失目标去雾网络模型。 5.根据权利要求1所述的方法， 其特征在于， 在获取到待去雾影像之后， 利用所述目标 去雾网络模型对所述待 去雾影像进行去雾处 理， 得到初始去雾影 像， 包括： 对所述待 去雾影像进行下采样处 理、 插值处 理和裁切处 理， 得到影 像块； 将所述影 像块输入所述目标去雾网络模型， 得到 完成去雾的影 像块； 对所述完成去雾的影 像块进行拼接处 理， 得到所述初始去雾影 像。 6.一种基于全局颜色迁移 的遥感影像去雾装置， 其特征在于， 包括： 获取单元， 训练单 元， 执行单元和颜色迁移单 元， 其中， 所述获取单元， 用于获取样本遥感影像集， 并利用预设加雾算法， 对所述样本遥感影像 集进行加雾处 理， 得到目标遥感影 像集； 所述训练单元， 用于利用所述目标遥感影像集和所述样本遥感影像集， 对初始去雾网 络模型进 行训练， 得到目标去雾网络模 型， 其中， 所述初始去雾网络模型为基于生成对抗网 络、 ConvNext和注意力机制构建的网络模型； 所述执行单元， 用于在获取到待去雾影像之后， 利用所述目标去雾网络模型对所述待 去雾影像进行去雾处 理， 得到初始去雾影 像； 所述颜色迁移单元， 用于将所述待去雾影像和所述初始去雾影像转换至  Lab颜色空间 进行颜色迁移， 得到目标去雾影 像。 7.根据权利要求6所述的装置， 其特征在于， 所述预设加雾算法包括第 一加雾算法和第 二加雾算法， 则所述获取 单元， 用于： 利用所述第 一加雾算法和所述第 二加雾算法， 以随机概率对所述样本遥感影像集中的 各个样本 遥感影像进行加雾处 理， 得到所述目标遥感影 像集； 其中， 所述第一加雾算法为 ； 所述第二加雾算法为 ； 和 用于表征所述样本遥感影像中像素的位置， 为雾浓度系数， 和 用于表征所 述样本遥感影像的尺寸， 为0到1之间的随机浮点 数， 为所述样本遥感影像的随机传输 率， 为所述样本遥感影像中像素的传输率， 所述样本遥感影像中像素的亮度系数， 为所述 样本遥感影像。 8.根据权利要求6所述的装置， 其特 征在于， 所述初始去雾网络模型包括 生成器和判别器； 其中， 所述生成器的输入层和输出层由7 ×7的普通卷积和步长为2的2 ×2卷积、 转置卷 积重叠， 用于对所述样本 遥感影像进行下采样和特 征还原； 所述生成器的编码层和解码层的每层都由一个CA ‑ConvNext模块构成， 均使用步长为2 的2×2卷积、 转置卷积对中间特 征尺寸进行变换， 并以ad d操作进行残差连接； 所述编码层的末尾加入了由CA ‑ConvNext模块堆叠构成的特征转换层， 其首尾由带权 重的残差连接， 且， 所述生成器不包括Normalization层， 所述CA ‑ConvNext模块由深度可分权　利　要　求　书 2/3 页 3 CN 115471429 A 3