一种基于神经网络的图像去雾算法

针对传统暗通道去雾算法在处理大面积天空区域部分时易出现光晕的缺点,提出了一种传统算法与神经网络相结合的去雾网络。首先经由暗通道去雾算法和Retinex算法分别获得两幅待融合图像,然后基于编码解码的神经网络构建一个图像融合去雾网络系统。训练阶段在编码网络中加入密集块结构,增强了模型的稳健性,便于从更高维度提取特征信息;测试阶段利用gamma校验因子预处理待融合的图像,减少了图像处理过程中的光晕现象问题。合成有雾图像处理的实验结果表明,该算法合理地将传统算法和神经网络去雾算法融合起来,构建一个新型去雾模型,提高了去雾精度,无论是在室内、室外合成数据集中去雾效果均有提升;较现有经典算法峰值信噪比至少提高18.7%,而且对自然雾天图像的处理效果明显;在图像物理细节信息处理方面对比已有算法有了一定的提高,为研究图像去雾提供了新思路。