10.3969/j.issn.1000-1220.2020.07.028
图像融合的循环神经网络去雾算法
传统的图像融合去雾算法通过统计大量图像特征来设置融合权重,不仅耗时费力,还易出现误差.为此,本文提出了图像融合的循环神经网络来解决该问题.首先,从初始雾图中推导其衍生的白平衡图像、对比度增强图像、伽马校正图像,作为去雾所需的融合图像;随后,构建编码解码网络的去雾模型,并将三张融合图像与初始雾图相串联,共同作为网络的输入.利用此网络学习和生成融合图像对应的权重图,以融合信息估计无雾图像,从而解决传统图像融合去雾算法中权重计算耗时费力,易产生误差的问题;最后,为了进一步优化去雾结果,在编码解码的网络模型中嵌入循环单元,构建循环编码解码网络,即将上次循环时网络输出作为下次循环时网络输入,同时使循环单元中的隐藏状态也随之传递,以便更好优化去雾结果.实验结果表明,在合成和真实图像的测试下,本文算法都具有较高去雾精度,与已有算法相比,其去雾精度提高了19%,能有效用于工程实践中.
图像融合、循环神经网络、编码解码、图像去雾
41
TP394(计算技术、计算机技术)
国家自然科学基金项目 51975462
2020-07-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
1513-1518