利用双域分解和多尺度深度学习技术，对单幅图像进行去雾处理。

简介：
针对传统单幅图像去雾算法存在的局限性，即其容易受到雾图本身的先验信息影响，从而导致颜色偏差，以及现有深度学习去雾算法由于网络模型的限制而产生去雾残留等问题，本文提出了一种基于双域分解的多尺度深度学习单幅图像去雾方法。该方法的核心在于设计了一个包含低频去雾子网和高频去雾子网的多尺度深度学习网络模型。具体而言，首先利用双边滤波器对有雾图像进行分解，从而提取出雾图的高频和低频子图。随后，通过设计的网络模型分别对雾图的高频和低频子图以及对应的高频和低频透射率之间建立映射关系的学习。接着，将模型训练后获得的低频和高频透射率进行融合处理，进而得到原始雾图所对应的场景透射率图。最后，依据大气散射模型对场景透射率图进行处理，最终实现有雾图像的恢复过程。为了验证该方法的有效性，我们采用一个包含大量合成有雾图像和真实自然雾图的数据集对所提模型进行了训练与测试。实验结果表明，所提出的方法在合成有雾图像以及真实自然雾图的实验环境中均能展现出卓越的去雾效果，并且在主观评价和客观评价指标上都优于其他对比算法的性能。