一种深度学习的单幅图像去雾方法

摘要 雾被认为是户外图像降质的主要因素,单幅图像去雾是一项具有挑战性的任务.大部分去雾算法以一定的先验知识或约束条件为前提,依靠人工提取的雾相关特征(如暗通道、色调差异和局部对比度等)实现的,去雾效果稳定性差.为突破人工特征的局限性,本文提出一种基于深度学习的图像去雾方法.首先利用自编码网络,通过无监督学习方式得到雾特征图序列;然后利用深度卷积网络,映射出特征图序列对应的场景透射率;最后依据大气散射模型恢复出无雾的图像.为了训练自编码网络和深度卷积网络,预先人工合成一个包含室内、室外多场景有雾图像和对应透射率图的数据库,作为训练样本.实验结果表明,无论在自然还是合成的有雾图像上,本文方法比传统算法的去雾效果更明显、稳定性更强;即使针对包含大面积水面区域的有雾图像,也有清晰自然的去雾效果.最后,对实验结果定性和定量分析,表明本文方法能够有效估计出透射率图,恢复出理想的无雾图像,具有较好的场景通用性