基于多尺度并行残差网络的图像去雾算法

• 作者: 张鑫 娄小平 黄子岩 张文玥
• 来源期刊: 光学技术
• 学科: 工学
• 关键词: 图像去雾 卷积神经网络 残差学习 深度学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 光学图像处理与识别
• 页码范围: 707-711
• 页数: 5页
• 分类号: TN919.8
• 语种: 中文

摘要

雾降低了图像的清晰程度和细节信息,从而对后续视觉信息处理的影响是一个具有挑战性的问题.现有的图像去雾算法虽能去除雾度,但对处理户外浓雾场景的效果较差.为了突破现有去雾算法的局限性,结合大气散射物理模型,提出了一种端到端的多尺度并行融合去雾网络.采用多尺度卷积从整体到局部提取不同尺度的特征,并对这些特征进行多次并行融合;通过引入残差模块对细节特征进行深入学习,可以恢复出更多的图像细节.实验结果和数据分析表明,提出的方法在合成图像和真实图像上都能表现出良好的去雾性能,PSNR和SSIM指标平均同比提升3％.