论文部分内容阅读
受大气散射影响,序列交通图像的细节特征损失较大,图像像素较低,为此提出基于深度学习的序列交通图像去雾方法。根据雾化图像表达式和相同大气密度下光线载体传输图定义式,构建大气散射模型,运用该模型获取图像特征序列。利用深度学习自编码网络中的网络层,建立输出定义式与特征损失函数式,在样本中引入图像特征序列,得到特征块序列,依据雾特征图和散射率的非线性映射关系获取散射率图。采用修正函数调整卷积层输出像素值为正,将局部块代入自编码网络,并添加特征块序列至卷积神经网络的输入层,对输出的散射率图进行导向滤波处理,实