基于階梯網絡與交叉融合的端到端圖像去霧

楊燕，張金龍，梁小珍

（蘭州交通大學電子與信息工程學院，蘭州730070）

0 引言

霧天場景下，光的傳播極易被大氣中懸浮顆粒影響，導致采集到的圖像質量嚴重受損，表現為對比度下降、顏色偏移等。計算機視覺的高級任務對圖像的清晰度具有嚴格的要求，例如車牌檢測、人臉識別等，因此對于霧天場景下采集到的圖像清晰化處理具有十分重要的研究意義。

目前主流的去霧算法主要分為兩類，一類是基于大氣散射模型的圖像復原算法，另一類是基于卷積神經網絡的訓練學習去霧算法。基于復原類的去霧算法主要以HE K 等［1］提出的暗通道先驗算法為代表，但由于該算法對天空等高亮區域透射率的錯誤估計，導致復原結果天空區域出現較為嚴重的偏色、失真等問題。XU Y 等［2］提出了一種較為準確的大氣光估計方法，但由于其透射率估計不準確，去霧結果仍然存在一定的失真現象。YANG Y 等［3］為了消除圖像去霧中的光暈和偽影等問題，提出了一種邊緣保持函數估計透射率的方法，該算法的去霧結果亮度清晰，很大程度克服了光暈問題，但對于一些含有超遠景的有霧圖像，該算法存在去霧不徹底現象。盡管基于大氣散射模型［4-9，21-22］的圖像復原取得了快速發展，但由于約束條件的使用導致該類算法復雜度高，且由于先驗信息的引入，導致復原結果出現了偏色和失真等問題。

近年，隨著深度學習的快速發展，研究人員將卷積神經網絡應用于圖像去霧領域。……