基于多尺度卷积神经网络的单幅图像去雾方法

陈永; 郭红光; 艾亚鹏

doi:doi:10.3788/AOS201939.1010001

光学学报, 2019, 39 (10): 1010001, 网络出版: 2019-10-09

基于多尺度卷积神经网络的单幅图像去雾方法下载： 2145次

Single Image Dehazing Method Based on Multi-Scale Convolution Neural Network

陈永 ^*郭红光艾亚鹏

作者单位

兰州交通大学电子与信息工程学院, 甘肃兰州 730070

图 & 表

图 1. 大气散射物理模型

Fig. 1. Physical model of atmospheric scattering

下载图片查看原文

图 2. MSDN模型图

Fig. 2. MSDN model diagram

下载图片查看原文

图 3. 激活函数比较。(a) ReLU激活函数;(b) PReLU激活函数

Fig. 3. Comparison of activation functions. (a) ReLU activation function; (b) PReLU activation function

下载图片查看原文

图 4. 本文算法步骤

Fig. 4. Algorithmic steps in this paper

下载图片查看原文

图 5. 训练数据集。(a) ITS室内数据集;(b) OTS室外数据集

Fig. 5. Training data set. (a) Indoor data set ITS; (b) outdoor data set OTS

下载图片查看原文

图 6. 合成有雾图像的实验结果。(a)有雾图像;(b)标准无雾图像;(c)文献[ 7]方法;(d)文献[ 11]方法;(e)文献[ 12]方法;(f)文献[ 13]方法;(g)文献[ 14]方法;(h)本文方法

Fig. 6. Experimental results of synthesizing hazy images. (a) Hazy image; (b) standard haze-free image; (c) method in Ref. [7]; (d) method in Ref. [11]; (e) method in Ref. [12]; (f) method in Ref. [13]; (g) method in Ref. [14]; (h) proposed method

下载图片查看原文

图 7. 真实室外有雾图像的实验结果。 (a)有雾图像;(b)文献[ 7]方法;(c)文献[ 11]方法;(d)文献[ 12]方法;(e)文献[ 13]方法;(f)文献[ 14]方法;(g)本文方法

Fig. 7. Experimental results of real outdoor hazy images. (a) Hazy images; (b) method in Ref.[7]; (c) method in Ref.[11]; (d) method in Ref.[12]; (e) method in Ref.[13]; (f) method in Ref.[14]; (e) proposed method

下载图片查看原文

表 1多尺度特征提取卷积核参数表

Table1. Parameter table of multi-scale feature extraction kernel

Type	Conv
Filter size	3×3	5×5	7×7
Filter number	5	5	5
Pad	0	0	0
Stride	1	1	1

查看原文

表 2合成有雾图像的实验结果数据分析

Table2. Analysis of experimental data of synthetic hazy images

ImageNo.	Method in Ref.[7]		Method in Ref.[11]		Method in Ref.[12]	Method in Ref.[13]
ImageNo.	PSNR /dB	SSIM /%	PSNR /dB	SSIM /%	PSNR /dB				SSIM /%	PSNR /dB		SSIM /%	PSNR /dB	SSIM /%	PSNR /dB	SSIM /%
1	23.5357					85.26	17.5424	59.51	20.1796	72.37	26.1247	85.33	22.9888	79.48	28.8218	86.41
2	19.3044					80.04	17.7552	72.36	21.6655	84.07	22.1977	88.70	20.7442	87.39	23.6027	91.66
3	17.8051					79.60	16.9521	72.87	20.3959	81.23	22.7414	89.35	19.0486	84.07	26.0691	89.73
4	20.1277					82.78	19.0534	79.38	21.5623	84.42	21.8444	86.42	19.4202	81.68	24.3402	91.60
5	20.2825					81.85	21.1444	82.85	17.8848	79.29	27.6081	93.54	25.4410	90.61	29.1285	94.78

查看原文

表 3室外有雾图像的实验结果数据分析

Table3. Analysis of experimental data of outdoor hazy images

ImageNo.	Method in Ref.[7]		Method in Ref.[11]		Method in Ref.[12]	Method in Ref.[13]
ImageNo.	IE	AG	IE	AG	IE				AG	IE		AG	IE	AG	IE	AG
1	7.0555					14.64	7.0652	18.34	7.3984	18.52	7.2445	17.22	7.4048	20.26	7.6821	23.32
2	7.5155					14.68	7.3049	17.04	7.8192	18.83	7.4186	13.93	7.6656	17.02	7.9266	18.99
3	7.3427					8.48	7.4737	10.89	7.8771	11.78	7.7043	8.62	7.6120	9.21	7.8935	12.08
4	7.5688					9.18	7.4250	11.93	7.8515	13.23	7.7608	9.62	7.7786	10.57	7.9815	14.31
5	7.2538					14.91	7.7213	18.17	7.3410	17.93	7.1746	10.43	7.3776	13.62	7.8690	19.41
6	7.1667					8.92	7.8371	10.40	7.7168	10.18	7.0263	7.85	7.2862	8.76	7.8937	10.47
7	7.2625					10.94	7.1136	12.96	7.6834	13.71	7.3200	8.67	7.5189	9.59	7.7274	14.06
8	6.2721					5.88	7.1459	7.32	7.3561	7.55	6.8363	5.97	6.9818	6.39	7.4534	7.57

查看原文

表 4不同实验图像的算法运行时间

Table4. Running time of different algorithms for experimental imagess

Method	Experiment
Method	Indoor	Outdoot
Method in Ref.[7]	6.87	6.89
Method in Ref.[11]	3.41	3.65
Method in Ref.[12]	1.96	2.08
Method in Ref.[13]	1.21	1.26
Method in Ref.[14]	1.58	1.92
Proposed method	1.09	1.18

查看原文

陈永, 郭红光, 艾亚鹏. 基于多尺度卷积神经网络的单幅图像去雾方法[J]. 光学学报, 2019, 39(10): 1010001. Yong Chen, Hongguang Guo, Yapeng Ai. Single Image Dehazing Method Based on Multi-Scale Convolution Neural Network[J]. Acta Optica Sinica, 2019, 39(10): 1010001.

基于多尺度卷积神经网络的单幅图像去雾方法下载： 2145次

图 1. 大气散射物理模型

Fig. 1. Physical model of atmospheric scattering

图 2. MSDN模型图

Fig. 2. MSDN model diagram

图 3. 激活函数比较。(a) ReLU激活函数;(b) PReLU激活函数

Fig. 3. Comparison of activation functions. (a) ReLU activation function; (b) PReLU activation function

图 4. 本文算法步骤

Fig. 4. Algorithmic steps in this paper

图 5. 训练数据集。(a) ITS室内数据集;(b) OTS室外数据集

Fig. 5. Training data set. (a) Indoor data set ITS; (b) outdoor data set OTS

图 6. 合成有雾图像的实验结果。(a)有雾图像;(b)标准无雾图像;(c)文献[ 7]方法;(d)文献[ 11]方法;(e)文献[ 12]方法;(f)文献[ 13]方法;(g)文献[ 14]方法;(h)本文方法

Fig. 6. Experimental results of synthesizing hazy images. (a) Hazy image; (b) standard haze-free image; (c) method in Ref. [7]; (d) method in Ref. [11]; (e) method in Ref. [12]; (f) method in Ref. [13]; (g) method in Ref. [14]; (h) proposed method

图 7. 真实室外有雾图像的实验结果。 (a)有雾图像;(b)文献[ 7]方法;(c)文献[ 11]方法;(d)文献[ 12]方法;(e)文献[ 13]方法;(f)文献[ 14]方法;(g)本文方法

Fig. 7. Experimental results of real outdoor hazy images. (a) Hazy images; (b) method in Ref.[7]; (c) method in Ref.[11]; (d) method in Ref.[12]; (e) method in Ref.[13]; (f) method in Ref.[14]; (e) proposed method

表 1多尺度特征提取卷积核参数表

Table1. Parameter table of multi-scale feature extraction kernel

表 2合成有雾图像的实验结果数据分析

Table2. Analysis of experimental data of synthetic hazy images

表 3室外有雾图像的实验结果数据分析

Table3. Analysis of experimental data of outdoor hazy images

表 4不同实验图像的算法运行时间

Table4. Running time of different algorithms for experimental imagess

关于本站 Cookie 的使用提示

全站搜索

基于多尺度卷积神经网络的单幅图像去雾方法 下载： 2145次

图 1. 大气散射物理模型

Fig. 1. Physical model of atmospheric scattering

图 2. MSDN模型图

Fig. 2. MSDN model diagram

图 3. 激活函数比较。(a) ReLU激活函数;(b) PReLU激活函数

Fig. 3. Comparison of activation functions. (a) ReLU activation function; (b) PReLU activation function

图 4. 本文算法步骤

Fig. 4. Algorithmic steps in this paper

图 5. 训练数据集。(a) ITS室内数据集;(b) OTS室外数据集

Fig. 5. Training data set. (a) Indoor data set ITS; (b) outdoor data set OTS

图 6. 合成有雾图像的实验结果。(a)有雾图像;(b)标准无雾图像;(c)文献[ 7]方法;(d)文献[ 11]方法;(e)文献[ 12]方法;(f)文献[ 13]方法;(g)文献[ 14]方法;(h)本文方法

Fig. 6. Experimental results of synthesizing hazy images. (a) Hazy image; (b) standard haze-free image; (c) method in Ref. [7]; (d) method in Ref. [11]; (e) method in Ref. [12]; (f) method in Ref. [13]; (g) method in Ref. [14]; (h) proposed method

图 7. 真实室外有雾图像的实验结果。 (a)有雾图像;(b)文献[ 7]方法;(c)文献[ 11]方法;(d)文献[ 12]方法;(e)文献[ 13]方法;(f)文献[ 14]方法;(g)本文方法

Fig. 7. Experimental results of real outdoor hazy images. (a) Hazy images; (b) method in Ref.[7]; (c) method in Ref.[11]; (d) method in Ref.[12]; (e) method in Ref.[13]; (f) method in Ref.[14]; (e) proposed method

表 1多尺度特征提取卷积核参数表

Table1. Parameter table of multi-scale feature extraction kernel

表 2合成有雾图像的实验结果数据分析

Table2. Analysis of experimental data of synthetic hazy images

表 3室外有雾图像的实验结果数据分析

Table3. Analysis of experimental data of outdoor hazy images

表 4不同实验图像的算法运行时间

Table4. Running time of different algorithms for experimental imagess

相关论文

相关资讯

关于本站 Cookie 的使用提示

全站搜索

基于多尺度卷积神经网络的单幅图像去雾方法下载： 2145次