基于深度学习的图像去雾方法研究.pdf

《基于深度学习的图像去雾方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TP391密级基于深度学习的图像去雾方法研究研究生姓名：贾绪仲指导教师姓名、职称：文志强教授学科专业：计算机应用技术研究方向：图像处理湖南工业大学二〇一八年三月二十日分类号TP391密级基于深度学习的图像去雾方法研究论文编号：学科专业：计算机应用技术研究方向：图像处理二〇一八年三月二十日分类号TP391密级基于深度学习的图像去雾方法研究ImageDehazingUsingDeepLearning研究生姓名：贾绪仲指导教师姓名、职称：文志强教授学科专业：计算机应用技术研究方向：图像处理论文答辩日期答辩委员会主席湖南工业大学二〇一八年三月二十

2、日2分类号TP391密级基于深度学习的图像去雾方法研究ImageDehazingUsingDeepLearning论文编号：学科专业：计算机应用技术研究方向：图像处理二〇一八年三月二十日湖南工业大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者签名：日期：年月日湖南工业大学论文版权使用授权书本人了解

3、湖南工业大学有关保留、使用学位论文的规定，即：学校有权保留学位论文，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以采用复印、缩印或其他手段保存学位论文；学校可根据国家或湖南省有关部门规定送交学位论文。作者签名：导师签名：日期：年月日4摘要雾霾天气下成像设备所捕获的图像，主要信息往往被雾所覆盖，可见度严重下降，整体对比度极低，直接限制和影响了图像分割、目标跟踪、行为检测等后续计算机视觉处理任务的实现。随着无人飞行载具、汽车自动驾驶的发展，对于运行时所拍摄到图像、视频中雾霾以及雨雪的处理要求也越来越高。每年的秋冬季是雾影响我国

4、范围最广的时候，而雾多见于上述季节的早晨，这恰恰是每日出行的最高峰时段。这个时间段捕获的照片信息中，主要信息往往被雾所覆盖。对于自动驾驶而言，对带雾图像中局部信息的还原要求较高，特别是目标场景中较远的部分。还原好了这部分的图像信息，将极大的辅助自动驾驶系统的正确判断。因此，研究如何快速行之有效的从带雾图像中恢复出高质量的无雾图像有着十分重要的现实意义。本文首先从大气散射模型入手，分析了雾天图像退化的机理，介绍了图像去雾的物理模型。同时基于深度学习方法，建立了带雾图像和相应透射图的映射关系模型，基于大气散射模型，根据透射图复原出无雾图像。还通过条

5、件生成对抗网络，提出了一种端到端的图像去雾方法，将输入的带雾图像直接输出成无雾图像而不依赖于大气散射模型。概括而言，本论文的主要工作及创新主要集中在如下两个方面：1)提出一种基于卷积神经网络模型的图像去雾方法。为了提高卷积神经网络在图像处理上的特征学习能力，使用残差结构的卷积神经网络组来构建透射图像预测的深度学习模型。首先基于第一级残差单元来得到带雾图像粗略的透射率图像，经过第二到第五残差单元对透射率图像优化处理后，传递到第六级残差单元，进行精细化处理，得到最终的更为精确的雾气图像的透射图，最后使用大气散射模型得到无雾图像。2)提出一种基于条件

6、生成对抗网络的图像去雾方法。受到生成对抗网络应用于图像风格转换的启发，设计出基于条件生成对抗网络的去雾模型。为了能达到更好的去雾效果，对损失函数进行重新设计和定义。真正实现了端到端的图像去雾处理，模型进行简单更改还可以用于带雨、带雪等其他恶劣天气图像的处理。关键词：图像去雾，深度学习，卷积神经网络，条件生成对抗网络IABSTRACTIntheimagescapturedbytheimagingequipmentunderhazyweather,themaininformationisoftencoveredbyfog,thevisibility

7、isseriouslyreduced,andtheoverallcontrastisextremelylow,directlylimitingandinfluencingtherealizationofsubsequentcomputervisionprocessingtaskssuchasimagesegmentation,targettracking,andbehaviordetection.Withthedevelopmentofautomaticpilotingofunmannedaerialvehiclesandautomobiles

8、,thereisanincreasingdemandforthehandlingofimages,videofog,andrainandsnowcap