典型文献
改进AOD-Net的轻量级图像去雾算法
文献摘要：
针对AOD-Net图像去雾算法质量偏低,存在色差的问题,提出一种改进的图像快速去雾算法.该算法对AOD-Net的前两个卷积层进行位置归一化,并将提取的矩信息输入后续的网络层中进行仿射变换,在改善原有网络中的数据分布及提高网络的收敛速度后,引入PSA注意力模块,使用多尺度的卷积核提取特征信息,加权融合特征并调整网络通道的权重,抑制冗余信息,提高模型的去雾质量.利用公开数据集RESIDE与现有的轻量级去雾算法进行实验对比,改进算法的单幅图像去雾耗时仅为4.3 ms,去雾质量优于DCP、CAP和Dehaze-Net等去雾算法.与AOD-Net相比,该方法的峰值信噪比提高了2.71 dB,结构相似度达到0.95,有效提升网络的图像去雾能力.
文献关键词：
图像去雾;深度学习;位置归一化;注意力模块
中图分类号：
作者姓名：
张骞;陈紫强;姜弘岳;赵玖龙
作者机构：
桂林电子科技大学信息与通信学院,广西桂林541004
文献出处：
引用格式：
[1]张骞;陈紫强;姜弘岳;赵玖龙-.改进AOD-Net的轻量级图像去雾算法)[J].实验室研究与探索,2022(07):18-22
A类：
位置归一化,Dehaze
B类：
AOD,Net,轻量级,图像去雾算法,色差,卷积层,层进,矩信息,信息输入,网络层,仿射变换,数据分布,收敛速度,PSA,注意力模块,卷积核,提取特征,特征信息,加权融合,融合特征,冗余信息,公开数据集,RESIDE,实验对比,改进算法,单幅图像去雾,ms,DCP,CAP,峰值信噪比,dB,结构相似度
AB值：
0.337404
相似文献
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。
