基于边缘先验和深度学习的视觉传达图像增强去雾方法
马浩
高孟飞
郑州西亚斯学院计算机与软件工程学院 河南 郑州 451100
摘要：视觉传达图像获取质量易受环境干扰因素影响,当图像在雾气、霾等条件下拍摄时,这些环境因素会散射和吸收光线,导致图像中的信息被严重干扰出现信号衰减.面对低对比度、模糊化的图像,对其进行边缘信息提取时往往难以准确恢复物体的轮廓和细节,影响图像的复原精度与真实感.为此,提出一种基于边缘先验和深度学习的视觉传达图像增强去雾方法.先进行视觉传达图像颜色空间转换和全景重构,改善图像模糊化、低对比度问题,优化图像预处理.利用基于边缘先验的图像细化技术提取图像边缘信息,为深度学习模型提供关键特征,然后构建基于深度学习的图像增强去雾模型,通过训练大量数据学习去雾策略,最后应用融合边界先缘先验的去雾算法实现图像增强去雾.实验结果证明,该方法应用后,图像的SSIM值更加接近 1,展现出更高的图像复原精度和更强的细节保留能力,在去除雾气后,得到的图像与实际情况更为吻合,并且具有较好的视觉效果.
关键词：边缘先验深度学习视觉传达图像增强去雾
论文发表日期：2025-05-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 77-80 )