卷積神經網絡在圖像去霧中的應用研究.pdf

1、隨著目前霧霾天氣越來越頻繁，越來越嚴重，霧霾天氣會影響成像設備的成像質量，使拍出來的照片有霧而變得模糊，這使得圖像去霧變得越來越重要。圖像去霧的相關研究也很多，有很多圖像去霧的方法被提出，但每種方法都有其局限性。本文嘗試借助在圖像處理領域應用廣泛并且效果很好的卷積神經網絡來對圖像去霧進行研究，設計一個去霧效果不錯的卷積神經網絡。由于目前卷積神經網絡在圖像去霧問題上的研究并不是很多，本文的研究也是一個探索，希望能夠給后續(xù)的研究提供一個參考

2、和借鑒。
　　首先，本文對有霧圖片形成的物理模型進行了介紹，該物理模型是圖像去霧的基礎，我們的研究就是基于該模型的。同時，本文對神經網絡及BP算法進行了介紹，進一步本文介紹了卷積神經網絡，詳細介紹了卷積神經網路中不同的網絡層次類型。這些知識是本文后續(xù)研究內容的基礎。
　　然后，本文針對圖像去霧問題，設計了一個用于估計有霧圖片對應透射系數(shù)圖的去霧卷積神經網絡，其設計借鑒了一些經典的卷積神經網絡，在對其設計原理進行簡單闡釋的基礎

3、上，詳細介紹了去霧卷積神經網絡的結構，最后簡單進行了理論上的分析。
　　接著，本文對設計的去霧卷積神經網絡在Caffe平臺進行了訓練，介紹了樣本的合成以及網絡的訓練過程，并使用有霧圖片對該去霧卷積神經網絡的去霧效果進行了驗證，結果表明其去霧效果不錯。在去霧過程中，為了獲得更好的去霧效果，我們使用了被廣泛采用的導向濾波對卷積神經網絡輸出的有霧圖片的透射系數(shù)圖進行平滑。
　　最后，將本文的方法同兩種經典的去霧方法進行了視覺效果對

4、比和定量對比，在定量對比過程中，本文使用帶有景深信息的圖像數(shù)據(jù)集合成了去霧數(shù)據(jù)集，該數(shù)據(jù)集既可以用來定量評估去霧方法的效果，也可以作為訓練數(shù)據(jù)訓練用來去霧的卷積神經網絡，本使用該去霧數(shù)據(jù)集以SSIM為評價標準將本文的去霧方法與兩種經典去霧方法進行了定量對比。
　　本文主要研究了使用卷積神經網絡來進行圖像去霧這個問題，提出了一種去霧效果不錯的去霧卷積神經網絡，并使用該去霧卷積神經網絡來對圖像進行去霧，根據(jù)測試結果，其去霧視覺效果和定