留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于深度学习的图像去雾算法

张泽浩 周卫星

张泽浩, 周卫星. 基于深度学习的图像去雾算法[J]. 华南师范大学学报(自然科学版), 2019, 51(3): 123-128. doi: 10.6054/j.jscnun.2019055
引用本文: 张泽浩, 周卫星. 基于深度学习的图像去雾算法[J]. 华南师范大学学报(自然科学版), 2019, 51(3): 123-128. doi: 10.6054/j.jscnun.2019055
ZHANG Zehao, ZHOU Weixing. Image Dehazing Algorithm Based on Deep Learning[J]. Journal of South China normal University (Natural Science Edition), 2019, 51(3): 123-128. doi: 10.6054/j.jscnun.2019055
Citation: ZHANG Zehao, ZHOU Weixing. Image Dehazing Algorithm Based on Deep Learning[J]. Journal of South China normal University (Natural Science Edition), 2019, 51(3): 123-128. doi: 10.6054/j.jscnun.2019055

基于深度学习的图像去雾算法

doi: 10.6054/j.jscnun.2019055
基金项目: 

基于SOC的线阵一片式铝罐外观质量在线检测系统的研发与应用

详细信息
    通讯作者:

    周卫星

Image Dehazing Algorithm Based on Deep Learning

  • 摘要: 针对有雾天气会使图像质量降低,影响对图像信息的提取,导致图像的应用价值减少的问题,提出一种基于深度学习的图像去雾算法。首先,对原有雾图像进行单尺度和多尺度的卷积来特征提取,其次再用多尺度卷积核实现图像细节的重建得到粗略的透射率传播图,同时利用原有雾图像中像素点的位置和亮度值得到大气光值,利用导向滤波得到精细透射率传播图和之前得到的大气光值进而反演出无雾图像,最终对无雾图像进行直方图颜色校正。实验结果表明,相比传统去雾算法,该算法对图像细节的处理更加自然并具有很好的视觉效果。
  • 加载中
计量
  • 文章访问数:  1763
  • HTML全文浏览量:  295
  • PDF下载量:  29
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-01-10
  • 修回日期:  2019-03-13
  • 刊出日期:  2019-06-25

目录

    /

    返回文章
    返回