基于CNN和随机漫步的图像去雾算法

摘要：

为解决卷积神经网络(convolutional neural network,CNN)中参数不具有泛化性的问题,融合深度学习和智能算法设计了一种基于卷积神经网络和随机漫步理论的可训练端到端图像去雾算法.首先,利用基于卷积神经网络的可训练端到端图像去雾算法(DehazeNet)计算图像大气透射率;然后,使用K-means算法对大气透射率进行聚类分析,使大气透射率在某一范围内的分布更均匀;接着,利用均方误差函数与失真度函数的差作为优化大气透射率的目标函数,用聚类后的大气透射率作目标函数的初值,利用随机漫步算法求解最优大气透射率;最后,恢复出清晰无雾的图像.实验表明,算法的去雾效果优于DehazeNet算法的去雾效果.

关键词：卷积神经网络、大气透射率、随机漫步、图像去雾

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金12171054

在线出版日期：2023-02-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：431-436