一种基于改良AOD-Net的航拍图像去雾方法的研究.docx

简介：
本文研究并提出了一种改进版的AOD-Net算法，专门用于处理航拍图像中的雾霾问题，以提高图像清晰度和细节展现能力。 随着无人机航拍技术的日益成熟，它被广泛应用于复杂环境地图测绘、辅助驾驶及道路监控等领域。然而，在雾霾环境中拍摄的图像通常会受到较大影响，因为航拍无人机与地面目标的距离较远，导致整个画面都可能含有较高浓度的雾气。 图像去雾算法主要分为两类：一类是结合传统数字图像处理和物理模型的方法；另一类则是基于深度学习设计的网络模型。前者以大气散射理论为基础，通过求解特定参数来获取无雾效果。后者又可以细分为间接参数求解型与直接生成图象类型两种模式。 AOD-Net是一种被广泛应用的去雾算法，它简化了处理流程，并且利用了一个变形的大气散射模型将两个关键变量合并为一个易于计算的形式。此外，该方法采用了一种高效的卷积神经网络结构来提取特征并确定此参数值。尽管这种方法在速度上表现出色并且架构精简，但在实际应用中容易导致图像色调失真和颜色损失。 鉴于上述问题，在保持AOD-Net的优点的同时对其进行改进是必要的。通过优化现有的算法框架可以增强其去雾效果，并提高处理效率，从而更好地服务于复杂环境地图测绘、辅助驾驶以及道路监控等应用场景的需求。