基于改进DehazeNet的图像去雾方法

• 作者: 王高峰 张赛 张亚南 邵倩 高涛
• 来源期刊: 计算机系统应用
• 关键词: 图像去雾 深度学习 网络训练 透射率图 大气光值
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 软件技术 · 算法|Software Technique · Algorithm
• 页码范围: 208-213
• 页数: 6页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007910

摘要

近年来,计算机视觉领域得到了飞速发展,因此获得高质量的图像信息显得尤为重要.图像去雾是在恶劣天气条件下增强图像视觉质量所广泛使用的一种技术.暗通道先验的方法通过估计大气光以达到图像去雾的目的,虽取得了不错的效果,但仍然存在大气光值估计过高和不适用于大面积白色区域的问题.针对现有的图像处理去雾问题,本文提出了基于改进DehazeNet的深度学习图像去雾方法,该方法在估计透射率图部分引入了深度可分离卷积层.为增大感受野,在大气光值中采用膨胀卷积的方法,经验证表明,本文改进的去雾算法能有效还原有雾图像,提高图像质量,去雾效果从定量和定性两者评价上均优于其他对比算法.