图像去雾中深度学习数据增强方法

图像去雾是图像处理领域中非常重要的问题。深度学习可以有效提高图像清晰度，但训练过程中由于缺少相对应的真实雾匹配数据对，多采用合成雾作为数据集。现有合成雾多依赖于深度信息、大气散射系数等参数，针对由此作为数据集训练容易造成颜色失真和去雾不彻底的问题，提出基于循环生成对抗网络(CycleGAN)合成雾方法。通过该网络进行不匹配数据对训练学习有雾图像的特征，然后赋予清晰图片真实雾特征并与其自身构成匹配数据对，最后再用此类数据集进行去雾训练。结果表明，这些数据集可以有效解决颜色失真和去雾不彻底等问题。