基于全卷积回归网络的图像去雾算法 
下载： 877次
Image Dehazing Algorithm Based on Full Convolution Regression Network
华南师范大学物理与电信工程学院, 广东 广州 510006
图 & 表
图 1. 全卷积回归网络结构
Fig. 1. Full convolution regression network structure
下载图片 查看原文
图 2. 两种算法选取估计大气光值的像素点的对比图。(a) He算法;(b)所提算法
Fig. 2. Comparison of two algorithms to estimate the pixel points of atmospheric light values. (a) He algorithm; (b) proposed algorithm
下载图片 查看原文
图 3. CLAHE裁剪分配示意图。(a)裁剪示意图;(b)分配示意图
Fig. 3. Diagrams of CLAHE cutting allocation. (a) Cropping diagram; (b) distribution diagram
下载图片 查看原文
图 4. CLAHE处理前后对比图。(a)原有雾图像;(b)全卷积回归网络去雾后图像;(c)经CLAHE处理后图像
Fig. 4. Comparison before and after CLAHE processing. (a) Original foggy image; (b) dehazing image Based on fully convolutional regression network; (c) image after CLAHE processing
下载图片 查看原文
图 5. 不同算法透射率对比图。(a)原有雾图像;(b) He算法[4];(c) Meng算法[5];(d) Berman算法[6];(e) Cai算法[11];(f)所提算法
Fig. 5. Comparison of transmittance of different algorithms. (a) Original foggy image; (b) He algorithm[4]; (c) Meng algorithm[5]; (d) Berman algorithm[6]; (e) Cai algorithm[11]; (f) proposed algorithm
下载图片 查看原文
图 6. 合成雾图像Cloth去雾结果对比。(a)原清晰图像;(b)加雾后图像;(c) Fattal算法;(d) He算法;(e) Meng算法;(f) Berman算法;(g) Cai算法;(h)所提算法
Fig. 6. Comparison of dehazing results of synthetic fog image Cloth. (a) Original clear image; (b) foggy image; (c) Fattal algorithm; (d) He algorithm; (e) Meng algorithm; (f) Berman algorithm; (g) Cai algorithm; (h) proposed algorithm
下载图片 查看原文
图 7. 合成雾图像Midd去雾结果对比。(a)原清晰图像;(b)加雾后图像;(c) Fattal算法;(d) He算法;(e) Meng算法;(f) Berman算法;(g) Cai算法;(h)所提算法
Fig. 7. Comparison of defogging results of synthetic fog image Midd. (a) Original clear image;(b) foggy image; (c) Fattal algorithm; (d) He algorithm; (e) Meng algorithm; (f) Berman algorithm; (g) Cai algorithm; (h) proposed algorithm
下载图片 查看原文
图 8. 合成雾图像Monopoly去雾结果对比。(a)原清晰图像;(b)加雾后图像;(c) Fattal算法;(d) He算法;(e) Meng算法;(f) Berman算法;(g) Cai算法;(h)所提算法
Fig. 8. Comparison of defogging results of synthetic fog image Monopoly. (a) Original clear image; (b) foggy image; (c) Fattal algorithm; (d) He algorithm; (e) Meng algorithm; (f) Berman algorithm; (g) Cai algorithm; (h) proposed algorithm
下载图片 查看原文
图 9. 有雾图像麦田的去雾结果对比。(a)原有雾图像;(b) Fattal算法;(c) He算法;(d) Meng算法;(e) Berman算法;(f) Cai算法;(g)本文算法
Fig. 9. Comparison of dehazing results of fog image (wheat field). (a) Original foggy image; (b) Fattal algorithm; (c) He algorithm; (d) Meng algorithm; (e) Berman algorithm; (f) Cai algorithm; (g) proposed algorithm
下载图片 查看原文
图 10. 有雾图像村庄的去雾结果对比。(a)原有雾图像;(b) Fattal算法;(c) He算法;(d) Meng算法;(e) Berman算法;(f) Cai算法;(g)本文算法
Fig. 10. Comparison of dehazing results of fog images (village). (a) Original foggy image; (b) Fattal algorithm; (c) He algorithm; (d) Meng algorithm; (e) Berman algorithm; (f) Cai algorithm; (g) proposed algorithm
下载图片 查看原文
图 11. 有雾图像火车的去雾结果对比。(a)原有雾图像;(b) Fattal算法;(c) He算法;(d) Meng算法;(e) Berman算法;(f) Cai算法;(g)本文算法
Fig. 11. Comparison of defogging results of fog images (train). (a) Original foggy image; (b) Fattal algorithm;(c) He algorithm; (d) Meng algorithm; (e) Berman algorithm; (f) Cai algorithm; (g) proposed algorithm
下载图片 查看原文
图 12. 不同算法的平均梯度和信息熵结果对比。(a)平均梯度;(b)信息熵
Fig. 12. Comparison of average gradient and information entropy for different algorithms. (a) Average gradient; (b) information entropy
下载图片 查看原文
图 13. 100张真实有雾图像经不同算法的平均梯度和信息熵结果对比
Fig. 13. Comparison of average gradient and information entropy of different algorithms for 100 real foggy images
下载图片 查看原文
图 14. 对比模型1
Fig. 14. Compared model 1
下载图片 查看原文
图 15. 对比模型2
Fig. 15. Compared model 2
下载图片 查看原文
表 1针对合成图像Cloth的不同算法去雾后指标评价
Table1. Evaluation indicators obtained by different dehazing algorithms for image Cloth
| Algorithm | Evaluation indicator |
|---|
| Average gradient | Entropy | SSIM | PSNR | FSIM | SRSIM | UQI |
|---|
| Fattal | 2.5516 | 3.857 | 0.24 | 7.1292 | 0.6817 | 0.7978 | 0,7285 | | He | 7.7796 | 7.45 | 0.6873 | 16.4184 | 0.742 | 0.8435 | 0.9715 | | Meng | 9.1826 | 7.2259 | 0.6161 | 15.425 | 0.8576 | 0.9085 | 0.978 | | Berman | 8.5153 | 7.7348 | 0.8901 | 20.2225 | 0.9089 | 0.9296 | 0.9758 | | Cai | 9.0145 | 7.3103 | 0.5525 | 11.6161 | 0.7423 | 0.8111 | 0.6335 | | Proposed | 8.3687 | 7.8438 | 0.6778 | 16.5031 | 0.7506 | 0.8762 | 0.9726 |
|
查看原文
表 2针对合成图像Midd的不同算法去雾后指标评价
Table2. Evaluation indicators obtained by different dehazing algorithms for image Midd
| Algorithm | Evaluation indicator |
|---|
| Average gradient | Entropy | SSIM | PSNR | FSIM | SRSIM | UQI |
|---|
| Fattal | 1.7776 | 2.6969 | 0.1236 | 8.0984 | 0.7473 | 0.7946 | 0.772 | | He | 4.908 | 7.531 | 0.6935 | 17.9008 | 0.759 | 0.8416 | 0.9709 | | Meng | 5.8656 | 6.5501 | 0.4435 | 15.3477 | 0.8586 | 0.9201 | 0.9517 | | Berman | 4.9005 | 7.4684 | 0.7839 | 17.2871 | 0.9111 | 0.9293 | 0.9246 | | Cai | 5.1499 | 7.2368 | 0.6708 | 15.4346 | 0.8087 | 0.8302 | 0.8237 | | Proposed | 4.8762 | 7.3132 | 0.7359 | 16.2309 | 0.7578 | 0.8387 | 0.9332 |
|
查看原文
表 3针对合成图像Monopoly的不同算法去雾后指标评价
Table3. Evaluation indicators obtained by different dehazing algorithms for image Monopoly
| Algorithm | Evaluation indicator |
|---|
| Average gradient | Entropy | SSIM | PSNR | FSIM | SRSIM | UQI |
|---|
| Fattal | 1.657 | 2.9267 | 0.2107 | 9.3993 | 0.7784 | 0.8844 | 0.8639 | | He | 6.908 | 7.38 | 0.6735 | 17.5173 | 0.6817 | 0.7969 | 0.988 | | Meng | 8.2415 | 6.8548 | 0.647 | 17.5667 | 0.8393 | 0.8937 | 0.9842 | | Berman | 7.2754 | 7.4109 | 0.341 | 20.302 | 0.8673 | 0.9168 | 0.9848 | | Cai | 8.6848 | 7.5398 | 0.5224 | 11.6791 | 0.7392 | 0.7892 | 0.7994 | | Ours | 6.7025 | 7.4202 | 0.6883 | 17.75 | 0.6701 | 0.8014 | 0.9861 |
|
查看原文
表 4不同网络模型的信息熵结果对比
Table4. Comparison of information entropy of different network models
| Image | Entropy |
|---|
| Comparedmodel 1 | Comparedmodel 2 | Ours |
|---|
| Wheat field | 6.67 | 7.01 | 7.48 | | Village | 6.90 | 7.19 | 7.67 | | Train | 6.34 | 6.89 | 7.29 |
|
查看原文
张泽浩, 周卫星. 基于全卷积回归网络的图像去雾算法[J]. 激光与光电子学进展, 2019, 56(20): 201003. Zehao Zhang, Weixing Zhou. Image Dehazing Algorithm Based on Full Convolution Regression Network[J]. Laser & Optoelectronics Progress, 2019, 56(20): 201003.
PDF全文
