融合正则优化的多尺度深度学习图像去雾模型

摘要

针对现有图像去雾模型中透射率精度不高及复原含雾图像能见度低的问题，提出了融合正则优化的多尺度深度学习图像去雾模型，该模型利用二次优化透射率原理改进传统去雾模型.首先，通过多尺度卷积神经网络粗略估计透射率，以保留边缘信息并减少噪点数量；其次，利用相对总变分正则化技术，结合纹理区域的输出差异，使模型自适应过滤噪声并保持纹理信息，进一步提升透射率估计精度；最后，将二次优化的透射率融入大气散射模型，实现图像去雾处理.实验结果表明，本文提出的图像去雾模型相较于目前主流去雾模型能有效恢复图像的纹理细节，提升雾霾图像的清晰度并改善原图像质量.在主观评价更加优良的情况下，客观评估指标峰值信噪比、结构相似性和可见边比分别平均提升了25%、6%和4%.

关键词

多尺度 / 深度学习 / 正则优化 / 图像去雾

基金资助

国家自然科学基金(61201438); 四川省科技厅人工智能领域重点研发定向项目(24ZDYF0017);四川省科技厅苗子工程项目（MZGC20240035,MZGC20240148）; 乐山师范学院校级重点课题(LZD003)