基于多尺度融合卷积神经网络的图像去雾算法

乔 丹， 张 闯,2*， 朱晨雨

(1. 南京信息工程大学 电子与信息工程学院，江苏 南京 210044；2. 江苏省气象探测与信息处理重点实验室，江苏 南京 210044)

1 引 言

在雾天场景下，大气中悬浮较多水滴。光在传输过程中遇到杂质被吸收和散射，导致拍摄图像轮廓模糊，图像清晰度以及色彩饱和度下降。这不仅对人类主观感受产生消极影响，而且不利于目标分辨和捕获细节信息，降低图像的应用价值。因此，图像去雾技术成为计算机视觉的重要研究之一[1]。

目前，传统图像去雾方法主要分为两类，第一类是基于非物理模型去雾算法，其主要包括直方图均衡化[2]、基于视网膜大脑皮层(Retinex)理论[3]、同态滤波法[4]等去雾算法，此类方法主要是提高有雾图像对比度及清晰度，而未分析雾气形成原理以及光学成像本质，不能从根本上实现去雾。第二类是基于大气散射模型[5]去雾算法，该方法主要研究成雾原因以及图像降质的客观原理，依据大气散射模型构建数学公式，复原出无雾图像。Tan等人[6]采用最大局部对比度的方法实现去雾，由于清晰化后图像比雾天图像的对比度高，在边缘检测时可检测到更多边缘信息的先验知识。Fattal[7]提出基于独立分量分析(ICA)的彩色图像去雾算法，并假设表面阴影与传输函数统计无关，根据这一前提对大气散射模型进行运算分析。He等人[8-9]提出暗通道去雾算法(DCP)，该方法依据有雾图像存在一个通道像素值低的先验知识求解大气散射模型。Shao[10]改进暗通道去雾算法，将有雾图像分为近景和远景两个区域，依据灰度值不同分段映射，去雾后图像清晰度提高。……