- 深度学习之图像目标检测与识别方法
- 史朋飞等
- 5字
- 2024-10-18 15:06:03
1.2 本章算法
1.2.1 特征提取层
根据雾图的成像原理,研究人员通常使用大气散射模型来模拟雾图的成像过程[17],因此该模型也是图像去雾的重要依据[18]。大气散射模型的表达式为:
式中, J(x)表示成像设备获取的有雾图像;I(x)表示去雾之后的图像;A表示大气光值;t(x)表示传输图。为了更加清晰地表示去雾过程,可将式(1-1)进一步表示为:
从式(1-2)中可以看出,在得到大气光值A和传输图t(x)两个先验知识的基础上即可进行图像去雾。因此,去雾算法的核心任务就是估计得到大气光值A和传输图t(x)。在一些基于深度学习的去雾算法中,首先用CNN估计传输图t(x),再用传统的方法估计大气光值A。这类算法的去雾性能较好,但不是真正意义上的端到端图像去雾算法。本章则利用 UNet 这一通用网络来直接估计传输图t(x)、大气光值A和无雾图像I (x),目的是实现一种直接学习、输入自适应去雾模型。