一种基于暗通道先验的多尺度卷积神经网络的图像去雾方法

本发明涉及计算机视觉与数字图像处理技术，具体地为一种基于暗通道先验的多尺度卷积神经网络的图像去雾方法。基于暗通道先验的方法估计有雾图像的初始透射率与大气光；有雾图像转换为灰度图像，选择一个灰度阈值，用于区分天空区域和其他区域，得到筛选后的初始透射率；通过多尺度卷积神经网络依次采用粗优化阶段和细优化阶段优化初始透射率得到精细化透射率；采用大气散射模型根据精细化透射率重建无雾图像。本发明融合物理模型与深度学习优势，解决了传统方法在天空区域过饱和、边缘伪影及色彩失真等问题，显著提升去雾图像的PSNR（达23.30）和SSIM（达0.978）等，为自动驾驶、交通监控等场景提供鲁棒的视觉增强方案。