文档名：基于深度学习的图像去雾算法研究进展
摘要：图像是信息的重要承载形式.雾霾的出现降低了图像采集设备采集到的图像质量,容易出现色彩暗淡、对比度和饱和度降低、细节信息丢失等问题,直接影响了有用信息的表达和利用.目前对图像去雾的研究多采用深度学习的方法,卷积神经网络代替了人工特征提取方式,取得了优于传统算法的去雾效果,但普遍存在着对真实世界雾霾图像和清晰图像对的依赖.无监督学习的方法带来了新的解决思路.从监督学习和无监督学习的角度对有代表性的深度学习图像去雾算法进行分类,归纳了常用的数据集、评价指标,概括分析了有影响力的去雾模型的核心思想,总结了各算法的优缺点和适用场景.针对目前工作存在的不足,探索了下一步研究的方向.
作者：李雅 王烈 滕思航 崔利娟 蓝峥杰Author：LIYa WANGLie TENGSihang CUILijuan LANZhengjie
作者单位：广西大学计算机与电子信息学院,南宁530004
刊名：电讯技术 ISTICPKU
Journal：TelecommunicationEngineering
年，卷(期)：2023, 63(7)
分类号：TP391
关键词：深度学习 图像去雾 监督学习 无监督学习
Keywords：imagedehazing deeplearning supervisedlearning unsupervisedlearning
机标分类号：TP391.41TP181TN911.73
在线出版日期：2023年8月3日
基金项目：广西科技重大专项基于深度学习的图像去雾算法研究进展[
期刊论文] 电讯技术--2023, 63(7)李雅 王烈 滕思航 崔利娟 蓝峥杰图像是信息的重要承载形式.雾霾的出现降低了图像采集设备采集到的图像质量,容易出现色彩暗淡、对比度和饱和度降低、细节信息丢失等问题,直接影响了有用信息的表达和利用.目前对图像去雾的研究多采用深度学习的方法,卷积...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
基于深度学习的图像去雾算法研究进展 Research Progress of Image Dehazing Algorithms Based on Deep Learning
基于深度学习的图像去雾算法研究进展.pdf
- 文件大小:
- 1.14 MB
- 下载次数:
- 60
-
高速下载
|
|
