典型文献
一种基于改进AOD-Net的航拍图像去雾算法
文献摘要：
针对航拍图像易受雾气影响,AOD-Net(All in one dehazing network)算法对图像去雾后容易出现细节模糊、对比度过高和图像偏暗等问题,本文提出了一种基于改进AOD-Net的航拍图像去雾算法.本文主要从网络结构、损失函数、训练方式三个方面对AOD-Net进行改良.首先在AOD-Net的第二个特征融合层上添加了第一层的特征图,用全逐点卷积替换了传统卷积方式,并用多尺度结构提升了网络对细节的处理能力.然后用包含有图像重构损失函数、SSIM(Structur-al similarity)损失函数以及TV(Total variation)损失函数的复合损失函数优化去雾图的对比度、亮度以及色彩饱和度.最后采用分段式的训练方式进一步提升了去雾图的质量.实验结果表明,经该算法去雾后的图像拥有令人满意的去雾结果,图像的饱和度和对比度相较于AOD-Net更自然.与其他对比算法相比,该算法在合成图像实验、真实航拍图像实验以及算法耗时测试的综合表现上更好,更适用于航拍图像实时去雾.
文献关键词：
航拍图像去雾;AOD-Net算法;多尺度网络结构;复合损失函数;分段式训练
中图分类号：
作者姓名：
李永福;崔恒奇;朱浩;张开碧
作者机构：
重庆邮电大学自动化学院智能空地协同控制重庆市高校重点实验室 重庆400065
文献出处：
引用格式：
[1]李永福;崔恒奇;朱浩;张开碧-.一种基于改进AOD-Net的航拍图像去雾算法)[J].自动化学报,2022(06):1543-1559
A类：
Structur
B类：
AOD,Net,航拍图像去雾,图像去雾算法,雾气,All,one,dehazing,network,对比度,和图像,偏暗,训练方式,特征融合,第一层,特征图,逐点卷积,多尺度结构,结构提升,处理能力,图像重构,SSIM,similarity,TV,Total,variation,复合损失函数,损失函数优化,亮度,色彩饱和度,令人满意,对比算法,合成图,综合表现,多尺度网络结构,分段式训练
AB值：
0.284062
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。
