混合残差学习与导向滤波算法在图像去雾中的应用

论文摘要

为解决雾天场景图像恢复过程中图像清晰度和对比度下降的问题,提出了一种结合残差学习和导向滤波的单幅图像去雾算法。使用雾天图像与对应的清晰图像构建残差网络;采用多尺度卷积提取更多细节的雾霾特征;利用导向滤波各向异性的优点,对残差网络去雾后的图像进行滤波以保持图像边缘特性,得到更加清晰的无雾图像。通过与DCP算法、CAP算法、SRCNN算法、DehazeNet算法和MSCNN算法相比,在合成雾天图像上,峰值信噪比值最高达到31.951 8dB,结构相似度值最高达到0.979 6,在自然雾天图像上的运行时间最低达到了0.4s,主观评价和客观评价均优于其它对比算法。实验结果表明,所提去雾算法不仅去雾效果较优,而且速度较快,具有较强的实用价值。

论文目录

• 1 引言
• 2 去雾算法
•   2.1 多尺度卷积特征提取
•   2.2 残差单元
•   2.3 重建
•   2.4 导向滤波保持图像边缘特性
• 3 实验与结果分析
•   3.1 实验数据、实验设置和实验步骤
•   3.2 基于合成雾天图像数据集的去雾结果与分析
•   3.3 基于真实雾天图像数据集的去雾结果与分析
• 4 结论

文章来源

类型: 期刊论文

作者: 陈清江,张雪

关键词: 图像去雾,残差网络,大气散射模型,导向滤波

来源: 光学精密工程 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 计算机软件及计算机应用

单位: 西安建筑科技大学理学院

基金: 国家自然科学基金资助项目（No.61403298）,陕西省自然科学基金资助项目（No.2015JM1024）,陕西省教育厅专项科研计划项目（No.2013JK0586）

分类号: TP391.41

页码: 2702-2712

总页数: 11

文件大小: 2945K

下载量: 144