（论文）基于深度学习的端到端图像去雾系统DehazeNet---matlab

最新推荐文章于 2024-08-12 18:36:57 发布

做图像加密的Tara

最新推荐文章于 2024-08-12 18:36:57 发布

阅读量5.2k

点赞数 9

分类专栏： matlab 图像处理文章标签： matlab 图像处理

本文链接：https://blog.csdn.net/dollar_jen/article/details/110195010

版权

本文介绍了基于深度学习的端到端图像去雾系统DehazeNet，通过MATLAB实现。文章展示了处理前后的图像对比，尽管能有效去除雾气，但可能造成颜色失真，尤其是对远景的去雾效果不理想。提供了一系列代码，包括demo.m、boxfilter.m、convMax.m、convolution.m、guidedfilter.m以及CNN模型run_cnn.m。

摘要由CSDN通过智能技术生成

Paper:
《DehazeNet: An End-to-End System for Single Image Haze Removal》

首先看一下效果：
girls原图
在这里插入图片描述
然后处理结果：

可以看出来效果还是可以的，但是对有的图像颜色失真可能会比较明显。
举个栗子：
gugong.bmp原图

对比可以看出颜色失真情况，以及对图像最上方区域，也就是实景的远处，去雾效果不明显。

下面是代码部分，在加载原图时需要注意两点，一是路径要明确，二是一定记得对应修改图片格式。

demo.m

clc;
clear;
close all;

haze1=imread('gugong.bmp');
haze1=double(haze1)./255;
dehaze1=run_cnn(haze1);
imshow(dehaze1);
title("results");

boxfilter.m

function imDst = boxfilter(imSrc, r)

%   BOXFILTER   O(1) time box filtering using cumulative sum
%
%   - Definition imDst(x, y)=sum(sum(imSrc(x-r:x+r,y-r:y+r)));
%   - Running time independent of r; 
%   - Equivalent to the function: colfilt(imSrc, [2*r+1, 2*r+1], 'sliding', @sum);
%   - But much faster.

[hei, wid] = size(imSrc);
imDst = zeros(size(imSrc));

%cumulative sum over Y axis
imCum = cumsum(imSrc, 1);
%difference over Y axis
imDst(1:r+1, :) = imCum(1+r:2*r+1, :);
imDst(r+2:hei-r, :) = imCum(2*r+2:hei, :) - imCum(1:hei-2*r-1, :);
imDst(hei-r+1:hei, :) = repmat(imCum(hei, :), [r, 1]) - imCum(hei-2*r:hei-r-1, :);

%cumulative sum over X axis
imCum = cumsum(imDst, 2);
%difference over Y axis
imDst(:, 1:r+1) = imCum(:, 1+r:2*r+1);
imDst(:, r+2:wid-r) = imCum(:, 2*r+2:wid) - imCum(:, 1:wid-2*r-1);
imDst(:, wid-r