计算机工程与应用 ›› 2023, Vol. 59 ›› Issue (24): 227-237.DOI: 10.3778/j.issn.1002-8331.2207-0214
丁元,邬开俊
DING Yuan, WU Kaijun
摘要: 目前基于深度学习的沙尘图像增强算法大多类似于图像去雾算法,但由于以下两个方面的原因效果并不理想且弱于一些传统图像处理算法:由于沙尘图像整体色彩偏黄,去雾算法会忽略沙尘图像的色彩恢复问题;由于缺乏大规模基准数据集,深度神经网络在有限的数据上学习从沙尘图像到清晰图像的映射是非常困难的。提出一种基于多分支修复网络的沙尘降质图像增强算法;此外,基于大气散射模型构建了一个新型沙尘图像数据集。算法将神经网络分为三个子网,包括迁移学习子网、色彩恢复子网和数据拟合子网,每个子网有其特殊的作用,沙尘图像分别经过三个子网处理,然后将三子网结果通过一个可学习的融合层映射为清晰图像。实验结果中定性比较表明该方法可以有效恢复沙尘图像细节,并较好恢复图像的视觉色彩,且该方法对比其他先进的方法可以产生更加符合人眼视觉体验的清晰图像;从定量比较中,在合成数据集上提出的算法相比于所对比的先进算法PSNR和SSIM指数分别提高了0.783和0.012,在真实图像数据集上提出的算法取得了最好的NIQE和PIQE指数。