基于多尺度融合卷积神经网络的图像去雾算法
为解决图像去雾后颜色偏暗以及去雾不彻底等问题,本文提出了一种基于多尺度融合卷积神经网络的图像去雾算法.以有雾图像为输入,首先经过预处理模块由单尺度卷积层提取有雾图像浅层信息,然后设计多尺度映射模块实现深度特征学习以及深、浅层特征融合,由反卷积模块还原图像尺寸,通过卷积操作得到有雾图像对应的粗透射率图.采用双边滤波法优化输出细透射率图,最后依据大气散射模型复原出无雾图像.实验结果表明:本文方法在合成有雾图像和自然有雾图像上均优于其他算法,其中合成有雾图像上的峰值信噪比(PSNR)、结构相似性(SSIM)能分别达到29.238、0.950.本文所提算法可以有效地避免去雾图像颜色偏暗、失真等不足,提高了图像去雾性能并体现出良好的视觉效果.
图像去雾;卷积神经网络;多尺度融合;图像复原;大气散射模型
36
TP391.41(计算技术、计算机技术)
国家自然科学基金;福建省自然科学基金;厦门市青年创新基金
2021-10-25(万方平台首次上网日期,不代表论文的发表时间)
共10页
1420-1429