密集连接扩张卷积神经网络的单幅图像去雾

摘要：

针对大多数图像去雾算法模型参数估计准确性差及色彩失真等问题,提出了一种端到端的密集连接扩张卷积神经网络.首先,通过使用多层密集连接结构来增加网络的特征利用率,避免网络加深时的梯度消失现象.其次,通过在密集块中使用不同扩张率的扩张卷积,使网络在充分聚合上下文特征信息时不损失空间分辨率,并避免了网格伪影的产生.最后,为了提高算法的去雾能力,将该网络划分为多个阶段,并在每个阶段引入侧输出模块,从而获得更精确的特征信息.实验结果表明,所提出的去雾算法无论是在合成数据集上还是在真实数据集上都取得了较好的去雾效果,恢复的色彩更接近无雾图像,并且定量评价指标峰值信噪比(PSNR)和结构相似性(SSIM)均优于其他对比方法.

关键词：图像去雾、卷积神经网络(CNN)、密集连接、扩张卷积

所属期刊栏目：15

分类号：TP391.4(计算技术、计算机技术)

资助基金：黑龙江省自然科学基金重点项目;泰山学者计划:泰山学者攀登计划专家项目;泰山学 者青年专家项目

在线出版日期：2021-01-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：185-194