一种基于连续学习的恶劣天气图像清晰化方法

本发明公开了一种基于连续学习的恶劣天气图像清晰化方法，包括：1、对多种恶劣天气条件下的图像数据集预处理，包括图像配对和多任务划分；2、将图像复原网络划分为特征投影和输出投影两部分，并设计退化感知模块用于对不同天气条件下特征投影输出的退化特定信息提取，采用多教师模型建立背景监督和退化监督，用于指导学生模型的学习；3、针对学生模型和教师模型建立各自的优化目标，并输入不同天气去除任务的配对数据，以多边蒸馏的范式优化学生网络，从而得到具有一体化图像恶劣天气去除能力的最优模型。本发明能够应对真实场景中不断获取的不同类型恶劣天气图像，提高资源受限场景下图像复原网络的实施效果。