科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
