一种基于深度学习的两阶段图像去雾网络

• 作者: 余兆钗 刘维娜 吴嘉炜 张祖昌 李佐勇
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 图像去雾 深度学习 超分辨率重建 编码器解码器 残差块 图像恢复
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 197-202
• 页数: 6页
• 分类号: TP391.4
• 字数: 5001字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.04.032

摘要

雾是户外图像降质的主要因素之一,图像去雾旨在恢复有雾图像中的内容.基于图像底层特征和先验知识的传统算法去雾效果不稳定.针对以上问题,受深度学习理论的启发,提出一种端到端的两阶段去雾深度神经网络算法.将图像去雾和图像超分辨率重建相结合,先利用编码器-解码器预测低分辨率雾霾残留图像,再利用亚像素卷积和残差块重建出原始分辨率雾霾残留图像,最后预测出原始分辨率无雾图像.在合成和真实有雾图像上的实验表明,该算法在定量评价和定性评价中均优于对比算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘维娜	福建信息职业技术学院计算机工程系	8	23	3.0	4.0