典型文献
基于CNN和随机漫步的图像去雾算法
文献摘要：
为解决卷积神经网络(convolutional neural network,CNN)中参数不具有泛化性的问题,融合深度学习和智能算法设计了一种基于卷积神经网络和随机漫步理论的可训练端到端图像去雾算法.首先,利用基于卷积神经网络的可训练端到端图像去雾算法(DehazeNet)计算图像大气透射率;然后,使用K-means算法对大气透射率进行聚类分析,使大气透射率在某一范围内的分布更均匀;接着,利用均方误差函数与失真度函数的差作为优化大气透射率的目标函数,用聚类后的大气透射率作目标函数的初值,利用随机漫步算法求解最优大气透射率;最后,恢复出清晰无雾的图像.实验表明,算法的去雾效果优于DehazeNet算法的去雾效果.
文献关键词：
卷积神经网络;大气透射率;随机漫步;图像去雾
中图分类号：
作者姓名：
杨明;李喆;成丽波;贾小宁
作者机构：
长春理工大学数学与统计学院,长春 130022
文献出处：
引用格式：
[1]杨明;李喆;成丽波;贾小宁-.基于CNN和随机漫步的图像去雾算法)[J].沈阳师范大学学报（自然科学版）,2022(05):431-436
A类：
随机漫步,大气透射率
B类：
图像去雾算法,convolutional,neural,network,泛化性,智能算法,算法设计,端到端,DehazeNet,计算图,means,均方误差,误差函数,失真度,初值,复出,出清
AB值：
0.161249
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
