图像去雾算法综述

由于气候变化、空气污染等原因,含雾图像的产生不可避免。对含雾图像进行去雾处理是消除雾对图像的不良影响,进而获得细节纹理等方面高质量的清晰图像。首先,主要就图像增强、物理模型和深度学习三个方面对图像去雾算法的研究现状进行系统的归纳总结,包括各类去雾算法的优缺点分析。其次,指出去雾算法的问题所在。最后,提出去雾算法的前景展望。

基于图像分割和对抗训练的去雾算法

由于气候变化或者空气污染,不可避免地产生含雾图像。为了解决这一问题,论文提出了一种基于图像分割和对抗训练的去雾算法,在训练时,其首先将一张清晰图和一张雾图作为输入,随机进行线性或者非线性图像融合,得到一张含雾的混合图。其次,引入一个分离器将之再次分离成新的清晰图和雾图,利用两张原图和分离之后的两张分离图,利用交叉计算误差作为损失函数,对分离器进行训练优化,充分学习雾图特征。再者,引入一个鉴别器,对分离器处理完之后的图进行鉴别,鉴别混合图分离与否。在训练整个过程中,保证最小化分离器误差的同时,实现鉴别器鉴别率的最大化。在去雾时运用训练得到的模型,对雾图通过图像分割,从而达到去雾的目的。实验表明,在主观视觉效果和客观指标上,论文算法处于现存算法的前列,而且时间复杂度较低,实用性更强。