典型文献
融合物理模型和神经网络的图像去雾方法与实现
文献摘要：
在雾霾影响下,室外拍摄的图像或视频清晰度严重下降.视频监控、远程感应、自动驾驶等计算机视觉任务很容易受到威胁.图像去雾就是利用某种手段去除雾霾对图像质量的干扰.为了达到更好的去雾效果,结合传统先验和深度学习,提出一种基于物理模型和神经网络的图像去雾算法DehaGA.该算法是对DehazeNet算法的改进,一方面利用神经网络的优势,通过大量的训练,利用DehazeNet网络学习雾图与透射图之间的映射关系,进而求出透射图;另一方面对于大气光的求取采用改进的大气散射模型,提出基于非均匀大气光的散射模型,通过改进算法HMN求取大气光值,克服了DehazeNet算法中对于大气光值估计不准确的缺点.最后将透射图和大气光值代入新的大气散射模型,进而恢复出无雾图像.实验结果表明,DehaGA算法与DehazeNet对比求得的无雾图像更加清晰,具有更好的去雾效果.
文献关键词：
图像去雾;物理模型;神经网络;大气散射模型;透射图;大气光值;图像处理
中图分类号：
作者姓名：
魏红伟;袁江;田杰
作者机构：
湖南大学 信息科学与工程学院,湖南 长沙 410082;张家界航空工业职业技术学院,湖南 张家界 427000
文献出处：
引用格式：
[1]魏红伟;袁江;田杰-.融合物理模型和神经网络的图像去雾方法与实现)[J].现代电子技术,2022(09):55-60
A类：
DehaGA
B类：
物理模型,雾霾,清晰度,视频监控,自动驾驶,计算机视觉,视觉任务,除雾,图像质量,先验,图像去雾算法,DehazeNet,网络学习,透射图,映射关系,求取,大气散射模型,非均匀,改进算法,HMN,大气光值,代入,复出
AB值：
0.235101
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。
