改进残差神经网络的图像去雾算法

作者：黄沛昱; 李煜龙^*; 高磊

来源：计算机系统应用, 2022, 31(08): 223-229.

DOI：10.15888/j.cnki.csa.008651

• 图像去雾
• 神经网络
• 残差学习
• 加权引导滤波

针对图像去雾算法中存在因介质透射率估计不准确而造成色彩失真、去雾不完全的问题,提出了一种改进残差神经网络的图像去雾算法.首先采用并行多尺度卷积层提取雾图像特征.然后通过引入了深度可分离卷积层的残差网络学习介质透射率,并利用加权引导滤波细化介质透射率.最后根据大气散射模型反演得到无雾清晰图像.实验结果表明,该算法与其他去雾算法相比在峰值信噪比(peak signal to noise ratio, PSNR)和结构相似度(structural similarity, SSIM)指标上取得了一定的提高,并且去雾图像在主观视觉上也取得了较好表现.

• 出版日期2022
• 单位重庆邮电大学