文档名：基于改进AODNet的图像去雾算法
摘要：为了更好解决图像去雾后颜色失真、去雾不彻底和耗时等问题,提出了一种基于改进AOD-Net的图像去雾算法.首先,在原有的卷积模块中引入残差连接,并保留了第二个特征融合层第一层的特征信息,以增强网络的特征提取能力.其次,在第三个特征融合层后引入注意力模块,强化雾图中的关键特征信息,抑制无关背景干扰.最后,采用新的复合损失函数进行训练.实验结果表明,改进算法在公共数据集上的峰值信噪比提高了3.8dB,结构相似性达到了93.6％.相较于其他去雾算法,该算法在去雾精度和处理效率方面均表现出色.
Abstract：Toaddressissuessuchascolordistortion,incompletedefogging,andcomputationalinefficiencyinimagedefogging,thisstudyproposesanimprovedimagedefoggingalgorithmbasedontheenhancedAOD-Net.Initially,aresidualconnectionisin-troducedintotheexistingconvolutionalmodule,preservingthefeaturesofthefirstlayerinthesecondfeaturefusionlayertoen-hancefeatureextractioncapabilities.Subsequently,anattentionmoduleisintroducedafterthethirdfeaturefusionlayertostrengthentherepresentationofcrucialfeaturesinhazyimagesandsuppressirrelevantbackgroundinterference.Finally,anovelcompositelossfunctionisemployedfortraining.Experimentalresultsdemonstratethattheproposedalgorithmachievesa3.8dBimprovementinPeakSignal-to-NoiseRatio(PSNR)andastructuralsimilarity(SSIM)of93.6％onapublicdataset.Comparedtootherdefoggingalgorithms,thisalgorithmexhibitssuperiorperformanceinbothdefoggingaccuracyandprocessingefficiency.
作者：侯明 梁文杰Author：HouMing LiangWenjie
作者单位：昆明理工大学信息工程与自动化学院,云南昆明650500
刊名：电子技术应用
Journal：ApplicationofElectronicTechnique
年，卷(期)：2024, 50(4)
分类号：TP391
关键词：图像去雾 AOD-Net 残差连接 注意力模块 复合损失函数
Keywords：imagedefogging AOD-Net residualconnection attentionmodule compositelossfunction
机标分类号：TP391.41TN911.73TP183
在线出版日期：2024年4月26日
基金项目：基于改进AOD-Net的图像去雾算法[
期刊论文] 电子技术应用--2024, 50(4)侯明 梁文杰为了更好解决图像去雾后颜色失真、去雾不彻底和耗时等问题,提出了一种基于改进AOD-Net的图像去雾算法.首先,在原有的卷积模块中引入残差连接,并保留了第二个特征融合层第一层的特征信息,以增强网络的特征提取能力.其次,...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进AOD-Net的图像去雾算法 Image defogging algorithm based on improved AOD-Net
基于改进AOD-Net的图像去雾算法.pdf
- 文件大小:
- 3.72 MB
- 下载次数:
- 60
-
高速下载
|
|
