基于改进AOD-Net的图像去雾算法

被引：1

作者：

侯明

梁文杰

机构：

[1] 昆明理工大学信息工程与自动化学院

来源：

电子技术应用 | 2024年 / 50卷 / 04期

关键词：

图像去雾; AOD-Net; 残差连接; 注意力模块; 复合损失函数;

D O I：

10.16157/j.issn.0258-7998.244857

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了更好解决图像去雾后颜色失真、去雾不彻底和耗时等问题，提出了一种基于改进AOD-Net的图像去雾算法。首先，在原有的卷积模块中引入残差连接，并保留了第二个特征融合层第一层的特征信息，以增强网络的特征提取能力。其次，在第三个特征融合层后引入注意力模块，强化雾图中的关键特征信息，抑制无关背景干扰。最后，采用新的复合损失函数进行训练。实验结果表明，改进算法在公共数据集上的峰值信噪比提高了3.8 dB，结构相似性达到了93.6%。相较于其他去雾算法，该算法在去雾精度和处理效率方面均表现出色。

引用

页码：60 / 66

页数：7

共 13 条

[1] 改进AOD-Net的端到端图像去雾实验研究 [J].

马学条 .

实验室研究与探索, 2023, 42 (07) :38-43

[2] 基于深度学习的单幅图像去雾研究进展 [J].

贾童瑶 ;

卓力 ;

李嘉锋 ;

张菁 .

电子学报, 2023, 51 (01) :231-245

[3] 基于稠密残差块与通道像素注意力的图像去雾网络 [J].

金炜东 ;

张述礼 ;

唐鹏 ;

张曼 .

系统仿真学报, 2022, (08) :1663-1673

[4] 一种基于改进AOD-Net的航拍图像去雾算法 [J].

李永福 ;

崔恒奇 ;

朱浩 ;

张开碧 .

自动化学报, 2022, 48 (06) :1543-1559

[5] 单幅图像去雾算法研究综述 [J].

郑凤仙 ;

王夏黎 ;

何丹丹 ;

李妮妮 ;

付阳阳 ;

袁绍欣 .

计算机工程与应用 , 2022, (03) :1-14

[6] 基于多视小波变换融合的医学CT图像增强方法 [J].

牟海维 ;

段朝辉 ;

韩建 ;

曹志民 ;

全星慧 .

电子测量技术, 2021, 44 (09) :122-127

[7] 图像去雾算法的综述及分析 [J].

王道累 ;

张天宇 .

图学学报, 2020, 41 (06) :861-870

[8] 基于Retinex增强的单幅LDR图像生成HDR图像方法 [J].

张淑芳 ;

刘孟娅 ;

韩泽欣 ;

郭志鹏 .

计算机辅助设计与图形学学报, 2018, (06) :1015-1022

[9]

AMSFF-Net: Attention-Based Multi-Stream Feature Fusion Network for Single Image Dehazing[J] Memon Sanaullah;Arain Rafaqat Hussain;Mallah Ghulam Ali Journal of Visual Communication and Image Representation 2023,

[10]

Benchmarking Single-Image Dehazing and Beyond.[J] Boyi Li;Wenqi Ren;Dengpan Fu;Dacheng Tao;Dan Feng;Wenjun Zeng;Zhangyang Wang IEEE Trans. Image Processing 2019,

← 1 2 →