设计应用

基于改进AOD-Net的图像去雾算法

作者：侯明，梁文杰
发布日期：2024-04-29
来源：电子技术应用

引言

雾霾是由于工业生产、交通运输和能源消耗等活动排放大量污染物，积聚在大气中形成的一种恶劣天气状况。随着计算机视觉的不断发展，目标检测、目标跟踪和遥感等技术逐渐被应用于智能交通和其他工业领域[1]。然而，在雾霾环境下，能见度急剧下降，影响了成像设备拍摄的图像质量，给后续的高级视觉任务带来了困难。因此，提高雾天图像质量对实际应用至关重要。

目前的图像去雾算法主要有3种：基于物理模型、图像增强和深度学习的方法[2]。基于物理模型的去雾方法试图模拟光在大气传播中与雾霾相互作用的物理过程，通过估计透射率和大气光值来还原原始图像。这类方法包括暗通道先验算法[3]和颜色衰减先验算法[4]。这些方法通常利用图像的先验知识解决大气散射模型中的未知参数，但由于其依赖经验统计规律，因此其适用场景受限。基于图像增强的去雾算法旨在提高带雾图像的可见度和视觉质量，以减轻或消除雾霾对图像的不利影响。这类方法包括直方图均衡化、Retinex算法等，它们不依赖于物理模型，而是利用图像的统计信息和视觉特征，然而，在去雾过程中可能会产生伪影，过度增强对比度导致图像不真实。


本文详细内容请下载：

http://www.chinaaet.com/resource/share/2000005950


作者信息：

侯明，梁文杰

（昆明理工大学 信息工程与自动化学院，云南 昆明 650500）


Magazine.Subscription.jpg

此内容为AET网站原创，未经授权禁止转载。
图像去雾 AOD-Net 残差连接 注意力模块 复合损失函数

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2