一种真实世界图像去雾方法

本发明提出了一种创新的真实世界图像去雾方法，通过构建Colabator框架，有效解决了色彩失真和配对数据不足的问题。该方法采用迭代均值教师框架，整合合作展开网络CORUN或深度梯度展开网络DGUN架构，实现教师和学生网络的协同训练。利用合成数据集预训练教师网络，然后在真实世界无标签数据集上生成高质量伪标签，指导学生网络的训练。学生网络在教师网络生成的伪标签基础上，通过多阶段迭代优化，学习有效去除图像中的雾霾，并在每个迭代中根据损失函数更新权重，最小化输出与目标无雾图像之间的差异。实验证明，本发明在真实世界的去雾任务上性能卓越，显著提升了去雾后图像的色彩和细节质量，增强了模型的泛化能力，超越了现有技术。