图像去雾算法_HTN图像去雾开源代码

代码下载：http://openasic.org/category/1/

运行依赖：(具体版本为当前的运行环境中的版本，并不需要完全一样)

1. tensorflow-gpu 1.12.0 (用于模型搭建)

2. numpy 1.16.2 (用于四叉树分解、导向滤波器等矩阵运算)

3. matplotlib 3.0.3 (图像读写)

4. h5py 2.8.0 (用于读入训练集和测试集，只用于预测可不需要)

参数配置说明：

运行代码时，在main函数中配置字典config以控制整个流程，各参数具体说明如下：

mode: 字符串类型，包含'train'(训练)，'test'(测试)，'inference'(预测)三种
ckpt_dir：字符串类型，网络的check point存储路径
train_path：字符串类型，训练集路径(仅支持.h5文件)
test_path：字符串类型，测试集路径(仅支持.h5文件)
inference_i：字符串类型，存放预测输入图像的文件夹的路径
inference_o：字符串类型，存放预测输出图像的文件夹的路径
param：模型参数，包含两个变量的list，第一个变量表示residual blocks的数量，第二个变量表示每个residual block中有多少个卷积层，训练完成后不可改变
qd_param：四叉树参数，包含两个变量的list，第一个变量表示四叉树最大分解层数，第二个变量表示分解的阈值
batch_size：整型，批次大小(这里指直方图的批次大小)
epoch：整型，训练的轮数
alpha: 浮点型，二阶正则化约束之前的系数，防止过拟合
learning_rate：浮点型，学习率

关注我们

复旦大学视频图像处理器实验室(Video&Image Processor Lab),专注于视频图像、人工智能、硬件架构与SoC芯片设计研究。VIP Lab创建了国内首个开源芯片网站(openasic.org)，首发H.264、H.265视频编解码芯片IP核；研发全球首台十亿级像素视频阵列相机，并集成边端AI处理算法实现超视距、超广域的视频检测识别。VIP Lab致力于从事最前沿的图像/视频/AI技术的暴力计算、硬件芯片架构研究及技术开源与推广。

实验室网站：http://viplab.fudan.edu.cn

知乎专栏：http://zhuanlan.zhihu.com/viplab

OpenASIC：www.openasic.org

微信公众号：OpenASIC