首页 > 论文 > 激光与光电子学进展 > 56卷 > 11期(pp:111005--1)

基于深度学习的单幅图像去雾算法

Single-Image Defogging Algorithm Based on Deep Learning

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
  • PDF全文
分享:

摘要

提出了一种基于深度学习的单幅图像去雾算法。利用卷积神经网络,通过学习雾天图像与清晰图像的YUV(Y代表的是亮度,UV代表的是彩度)各个通道之间的映射关系实现去雾。网络结构由两个相同的特征模块组成,主要包括多尺度卷积、卷积和跳跃连接结构。实验结果表明,无论是针对合成雾天图像数据集还是针对自然雾天图像数据集,所提去雾算法恢复的图像皆具有较高的清晰度和对比度,在主观评价和客观评价上均优于其他对比算法。

Abstract

A single-image defogging algorithm based on deep learning is proposed. The convolutional neural network achieves defogging by learning the mapping relationship among the YUV(Y is luminance, UV is chrominance) channels of the foggy and clear images. The network structure comprises two identical feature modules, which mainly include multi-scale convolution, convolution and skip-connection frameworks. The experimental results show that the proposed algorithm can be used to restore images with high resolution and high contrast, regardless of the datasets with synthetic or natural fog images. Furthermore, a comparative evaluation of this algorithm with the existing algorithms confirms its superior performance both subjectively and objectively.

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/LOP56.111005

所属栏目:图像处理

基金项目:陕西省教育厅项目、陕西省教育厅自然科学基金项目;

收稿日期:2018-12-06

修改稿日期:2018-12-25

网络出版日期:2019-06-13

作者单位    点击查看

赵建堂:咸阳师范学院数学与信息科学学院, 陕西 咸阳 712000

备注:陕西省教育厅项目、陕西省教育厅自然科学基金项目;

引用该论文

Jiantang Zhao. Single-Image Defogging Algorithm Based on Deep Learning[J]. Laser & Optoelectronics Progress, 2019, 56(11): 111005

赵建堂. 基于深度学习的单幅图像去雾算法[J]. 激光与光电子学进展, 2019, 56(11): 111005

您的浏览器不支持PDF插件,请使用最新的(Chrome/Fire Fox等)浏览器.或者您还可以点击此处下载该论文PDF