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

基于深度学习的单幅图像去雾算法

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

针对单幅图像去雾问题,提出了一种基于深度学习的单幅图像去雾算法。经过统计实验发现,雾霾天气下的大气光照对YUV颜色空间的亮度通道影响最大,对色度通道影响较小,因此,提出的卷积神经网络通过学习雾天图像与清晰图像的YUV各个通道之间的映射关系实现去雾。网络结构由相同的两个特征模块组成,特征模块主要包括多尺度卷积,卷积和跳跃连接结构。多尺度卷积的设计不仅能够自动识别有雾区域,而且可以捕获不同尺度的图像特性;跳跃连接方式极大地丰富了图像在重建去雾图像时的特征维度,同时弥补了纹理信息恢复的不足。实验结果表明,无论是在合成雾天图像还是自然雾天图像上,本文提出的去雾算法恢复的图像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它对比算法。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop56.111005

作者单位:

    咸阳师范学院数学与信息科学学院

引用该论文

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.