一种基于纹理亮度特征增强的深度学习去雾方法

本发明公开了一种基于纹理亮度特征增强的深度学习去雾方法，首先基于U‑Net构建一种基于纹理亮度特征增强的深度学习去雾网络，将雾图输入深度学习去雾网络进行纹理亮度特征增强，并依次进行下采样与上采样操作，得到生成的去雾图像结果，即更高质量的清晰无雾图像。本发明的方法所述深度学习去雾网络利用多尺度特征融合、视觉变换模块、离散小波变换上、下采样模块，在频域过滤重要信息，增强底层特征的交互融合，通过提出一种新的亮度纹理引导模块，结合图像中的细节信息和亮度信息来指导编码器的特征融合过程，从而在输出图像中保留更丰富的语义信息，且不依赖于具体雾图成像关系，可以重构去雾图像，去雾后的图像质量更高、且更为清晰。