基于卷积神经网络的图像去雾算法

针对传统的基于先验知识与假设条件的去雾算法在实际应用中受到太多限制的问题,本文提出了一种基于端到端卷积神经网络的去雾算法,即通过学习雾天图像与清晰图像之间的映射关系实现图像去雾。首先,该算法采用了多尺度映射,通过多尺度的卷积提取出雾霾图像的较多细节信息特征;其次,运用反卷积以减少训练网络的复杂性;最后,结合浅层与深层的合并机制将删除特征图中的伪像素,提高恢复无雾图像的质量。实验结果表明,本文提出的去雾算法在自然雾天图像和合成雾天图像上均优于其它对比算法,并且合成雾天图像在结构相似度(SSIM)和峰值信噪比(PSNR)两个重要的图像评价指标上都取得了良好的表现。