融合物理模型和神经网络的图像去雾方法与实现

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。

资料为PDF文档格式.

本文档关键词:图像,模型,融合,物理,神经网络