融合物理模型和神经网络的图像去雾方法与实现

摘要：

在雾霾影响下,室外拍摄的图像或视频清晰度严重下降.视频监控、远程感应、自动驾驶等计算机视觉任务很容易受到威胁.图像去雾就是利用某种手段去除雾霾对图像质量的干扰.为了达到更好的去雾效果,结合传统先验和深度学习,提出一种基于物理模型和神经网络的图像去雾算法DehaGA.该算法是对DehazeNet算法的改进,一方面利用神经网络的优势,通过大量的训练,利用DehazeNet网络学习雾图与透射图之间的映射关系,进而求出透射图;另一方面对于大气光的求取采用改进的大气散射模型,提出基于非均匀大气光的散射模型,通过改进算法HMN求取大气光值,克服了DehazeNet算法中对于大气光值估计不准确的缺点.最后将透射图和大气光值代入新的大气散射模型,进而恢复出无雾图像.实验结果表明,DehaGA算法与DehazeNet对比求得的无雾图像更加清晰,具有更好的去雾效果.

关键词：图像去雾、物理模型、神经网络、大气散射模型、透射图、大气光值、图像处理

所属期刊栏目：45

分类号：TN911.73-34;TP391

资助基金：国家自然科学基金;湖南省教育厅科学研究项目

在线出版日期：2022-05-16（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：55-60