融合物理模型和神经网络的图像去雾方法与实现

作者：魏红伟; 袁江^*; 田杰

来源：现代电子技术, 2022, 45(09): 55-60.

DOI：10.16652/j.issn.1004-373x.2022.09.010

• 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

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。

• 单位
  张家界航空工业职业技术学院; 湖南大学