深度学习与小波变换结合的图像去雾性能

肖珀麟; 刘进锋

doi:10.26974/j.cnki.XBGC.2025.04.011

西北工程技术学报(中英文） ›› 2025, Vol. 24 ›› Issue (4) : 358 -364. DOI: 10.26974/j.cnki.XBGC.2025.04.011

深度学习与小波变换结合的图像去雾性能

肖珀麟, 刘进锋

作者信息 +

Author information +

文章历史 +

PDF

摘要

为了探索深度神经网络结合频域分析的图像去雾效果，提出了一种利用图像频域信息的神经网络WUNet(Wave U-Net)，用于完成端到端单图像去雾任务。该网络采用编码器-解码器架构，借助二维离散小波变换，使神经网络能够同时从高频与低频获取图像信息并进行分析。研究结果表明，提出的神经网络同时在多个去雾任务中表现优异，其中，在真实浓雾数据集Dense-HAZE中，峰值信噪比（PSNR）和结构相似性指数（SSIM）分别达到16.67和0.541 8，比DehazeFormer-T方法领先2.21%和6.95%。大量消融实验证明，频域分析可以与神经网络的多个阶段结合，并帮助神经网络提高图像去雾效果。