基于双域分解的多尺度深度学习单幅图像去雾

• 作者: 艾亚鹏 郭红光 陈永
• 来源期刊: 光学学报
• 学科: 工学
• 关键词: 图像处理 图像增强 图像去雾 双域分解 多尺度卷积神经网络 大气散射模型
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 图像处理
• 页码范围: 65-76
• 页数: 12页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3788/AOS202040.0210003

摘要

针对传统单幅图像去雾算法容易受到雾图先验信息制约而导致颜色失真,以及现有深度学习去雾算法受网络模型限制而存在去雾残留等问题,提出了一种基于双域分解的多尺度深度学习单幅图像去雾方法,设计了一个包含低频去雾子网和高频去雾子网的多尺度深度学习网络模型.首先采用双边滤波器对有雾图像进行分解,得到雾图的高、低频子图,然后通过设计的网络模型分别学习雾图高、低频子图与高、低频透射率之间的映射关系,再将模型学习得到的高、低频透射率进行融合,得到原始雾图对应的场景透射率图,最后根据大气散射模型实现有雾图像到无雾图像的恢复,采用雾图数据集对该模型进行训练测试.结果 表明,所提方法在合成有雾图像和真实自然雾图的实验中均能取得良好的去雾效果,在主观评价和客观评价方面均优于其他对比算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈永		49	201	8.0	11.0
2	艾亚鹏		4	0	0.0	0.0
3	郭红光		3	0	0.0	0.0