改进AOD-Net的轻量级去雾算法

为了提高雾天条件下交通目标识别的准确率并降低交通事故风险,文章对自动驾驶系统中用于雾天环境的去雾算法进行了研究与改进。主要工作如下:针对车载摄像头受雾气影响导致成像质量下降,从而影响检测算法精度的问题,提出了一种基于AOD-Net的改进去雾算法。首先,在AOD-Net架构中集成了金字塔池化模块(Pyramid Pooling Module,PPM),旨在网络训练阶段更好地整合特征信息,减少特征提取过程中上下文信息的损失,从而实现更好的去雾效果。其次,为解决AOD-Net去雾后图像亮度不足的问题,引入了轻量级的Zero-DCE++图像增强算法。在合成雾天数据集和真实雾天数据集上进行了对比实验,并使用多个评价指标对算法进行了评估,验证了改进方法的有效性。