改进残差神经网络的图像去雾算法
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金(61801061)


Improved Image Dehazing Algorithm of Residual Neural Network
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 增强出版
  • |
  • 文章评论
    摘要:

    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.

    Abstract:

    For color distortion and incomplete dehazing caused by inaccurate media transmittance in the image dehazing algorithm, an image dehazing algorithm with an improved residual neural network is proposed. First, a parallel multi-scale convolutional layer is adopted to extract the characteristics of the haze image. Then the media transmittance is learned by introducing the residual network of the depthwise separable convolutional layer and refined by the weighted guided filter. Finally, according to the atmospheric scattering model, a clear image without hazy is obtained. Experimental results show that compared with other dehazing algorithms, the proposed algorithm improves Peak Signal to Noise Ratio (PSNR) and Structural Similarity (SSIM) indicators, and the dehazing image also performs well in subjective vision.

    参考文献
    相似文献
    引证文献
引用本文

黄沛昱,李煜龙,高磊.改进残差神经网络的图像去雾算法.计算机系统应用,,():1-8

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-11-27
  • 最后修改日期:2021-12-23
  • 录用日期:
  • 在线发布日期: 2022-05-31
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号