%0 Journal Article %A 肖进胜 %A 周景龙 %A 雷俊锋 %A 刘恩雨 %A 舒成 %T 基于霾层学习的单幅图像去雾算法 %D 2019 %R 10.3969/j.issn.0372-2112.2019.10.016 %J 电子学报 %P 2142-2148 %V 47 %N 10 %X 针对传统去雾算法出现色彩失真、去雾不完全、出现光晕等现象,本文提出了一种基于霾层学习的卷积神经网络的单幅图像去雾算法.首先,依据大气散射物理模型进行理论推导,本文设计了一种能够直接学习和估计有雾图像和霾层图像之间的映射关系的网络模型.采用有雾图像作为输入,并输出有雾图像与无雾图像之间的残差图像,随后直接从有雾图像中去除此霾层图像,即可恢复出无雾图像.残差学习的引入,使得网络来直接估计初始霾层,利用相对大的学习率,减少计算量,加快收敛过程.再利用引导滤波进行细化,使得恢复出的无雾图像更接近真实场景.本文对不同雾浓度的有雾图片的去雾效果进行测试,并与当前主流深度学习去雾算法及其他经典算法进行对比.实验结果显示,本文设计的卷积神经网络模型在图像去雾的应用,不论在主观效果还是客观指标上,都有优势. %U https://www.ejournal.org.cn/CN/10.3969/j.issn.0372-2112.2019.10.016