A multi-scale parallel residual network for image dehazing

doi:10.13741/j.cnki.11-1879/o4.2020.06.013

您当前的位置：

首页 >

文章列表页 >

A multi-scale parallel residual network for image dehazing

更新时间：2025-09-01

- A multi-scale parallel residual network for image dehazing
- Vol. 46, Issue 6, Pages: 707-711(2020)
- 作者机构：
  
  1:北京信息科技大学光电测试技术北京市重点实验室
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2020.06.013
  CLC：
- Published：2020
- 稿件说明：
移动端阅览
A multi-scale parallel residual network for image dehazing[J]. 2020, 46(6): 707-711.
DOI：

A multi-scale parallel residual network for image dehazing[J]. 2020, 46(6): 707-711. DOI： 10.13741/j.cnki.11-1879/o4.2020.06.013.

摘要

雾降低了图像的清晰程度和细节信息

从而对后续视觉信息处理的影响是一个具有挑战性的问题。现有的图像去雾算法虽能去除雾度

但对处理户外浓雾场景的效果较差。为了突破现有去雾算法的局限性

结合大气散射物理模型

提出了一种端到端的多尺度并行融合去雾网络。采用多尺度卷积从整体到局部提取不同尺度的特征

并对这些特征进行多次并行融合;通过引入残差模块对细节特征进行深入学习

可以恢复出更多的图像细节。实验结果和数据分析表明

提出的方法在合成图像和真实图像上都能表现出良好的去雾性能

PSNR和SSIM指标平均同比提升3%。

Abstract

关键词

Keywords

references

Views

249

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Classification model of dominant species in desertification grassland based on hyperspectral remote sensing

No-reference multiply distorted images quality assessment based on convolutional neural network

Infrared and visible light outdoors image fusion based on convolutional neural network

Segmentation of lung lobes based on 3D full convolution neural network

Brain image registration method based on low-resolution auxiliary features and convolutional neural network

Related Author

张锡鹏

毕玉革

杨红艳

皮伟强

刘浩

康拥朝

武利秀

桑庆兵

Related Institution

1:内蒙古农业大学机电学院

1:江南大学物联网工程学院

1:江苏商贸职业学院电子商务与物流学院

1:上海理工大学医疗器械与食品学院医学影像处理实验室

1:上海理工大学医学影像工程研究所

⁰