混合残差学习与导向滤波算法在图像去雾中的应用

为解决雾天场景图像恢复过程中图像清晰度和对比度下降的问题,提出了一种结合残差学习和导向滤波的单幅图像去雾算法。使用雾天图像与对应的清晰图像构建残差网络;采用多尺度卷积提取更多细节的雾霾特征;利用导向滤波各向异性的优点,对残差网络去雾后的图像进行滤波以保持图像边缘特性,得到更加清晰的无雾图像。通过与DCP算法、CAP算法、SRCNN算法、DehazeNet算法和MSCNN算法相比,在合成雾天图像上,峰值信噪比值最高达到31.951 8dB,结构相似度值最高达到0.979 6,在自然雾天图像上的运行时间最低达到了0.4s,主观评价和客观评价均优于其它对比算法。实验结果表明,所提去雾算法不仅去雾效果较优,而且速度较快,具有较强的实用价值。