基于景深先验引导与环境光优化的图像去雾

针对暗通道先验存在的边缘去雾不彻底及细节信息丢失等问题,提出了一种景深引导网络(Depth Guided Network,DGN)与环境光优化的图像去雾方法.首先,通过DGN中的图像去模糊分支与景深先验信息将有雾图像复原为初始清晰图像,同时提取图像中的景深信息,根据DGN中的景深细调网络恢复出景深图的边界与结构;然后,为了使细调后景深信息转化为图像特征,利用空间特征变换(Spatial Feature Transform,SFT)层将图像进行迭代变换,同时结合缩放及平移与初始清晰图像进行特征融合,根据景深引导将初始清晰图像进行优化;最后,为了进一步使复原图像具有适宜色彩与较高对比度,将动态环境光细化后用于图像去雾,进一步优化图像细节信息.实验表明:从主观对比来看,得到的复原图像平滑性较好,动态环境光可以增强图像的细节信息,得到对比度较高的图像;从客观对比分析来看,本文方法对合成有雾图像处理后的结构相似性与峰值信噪比的均值分别为88.78%和22.98 dB,对真实有雾图像处理后的细节强度与色彩还原度的均值分别为0.4368和0.794.综合对比其他去雾方法,本文方法在性能指标最优的同时运行时间最短,能够适用于复杂环境场景的实时性去雾,且具有较好的鲁棒性.