一种基于改进DEA-Net的图像去雾方法

本发明公开了一种基于改进DEA‑Net的图像去雾方法，包括以下步骤：(1)获取开源网站真实图像有雾数据和对应的清晰图像作为训练集和测试集；(2)对训练集图像进行剪裁然后进行预处理；(3)构建深度学习模型，模型包括编码部分，特征变换部分以及解码部分；(4)将训练集中的训练图像数据输入到创建的网络模型中，使用GPU进行训练，获得准确率最优的模型参数；(5)将测试图像作为输入，获得去雾图像；本发明在去雾过程中能更好地保留原图像的细节纹理特征，减少经模型去雾后导致的失真。同时简化模型的结构，减少模型复杂度和训练时间。