一种基于深度学习的单幅图像去雾算法

摘要

本发明涉及一种基于深度学习的单幅图像去雾算法。首先获取大量明亮且无雾图像作为训练样本中的无雾图像集，利用模拟软件对其施加不同浓度的雾干扰，生成有雾图像集；将无雾图像集和有雾图像集转换成HDF5格式，得到训练样本和测试样本；将训练样本和测试样本输入设置好参数的深度卷积网络，训练该深度卷积网络，直至代价损失小到一定程度且达到最大迭代次数，得到训练好的模型。最后将有雾图像输入训练好的模型，直接恢复出无雾图像。本发明提供了一种端到端的，能够直接从有雾图像恢复出无雾图像的卷积神经网络，省去了中间参数的估计；同时，避免了有雾图像中平坦区域的色彩失真，能够有效处理自然和人工合成的有雾图像，获得更好的效果。