【技术实现步骤摘要】
一种基于模型优化和压缩的图像快速去雾方法及装置
[0001]本专利技术涉及图像快速去雾领域，尤其涉及一种基于模型优化和压缩的图像快速去雾方法及装置，包括基于深度学习的图像去雾算法以及模型压缩与加速领域的剪枝算法。
技术介绍
[0002]雾霾天气拍摄的图像呈现颜色偏移、色彩丢失、细节模糊等现象，这些退化现象严重限制了后续图像分类，目标检测等技术的实际应用。因此为了获得清晰的图片来保障技术的正常运行，大量研究人员开始关注图像去雾技术。
[0003]在早期的图像去雾领域中，一般采用图像增强的去雾方法，通过改变图像亮度对比度，能够让图片看起来更加清晰。例如：直方图均衡化，Retinex算法等。此类方法适用于实时性高的场合，且应用范围广，但去雾效果质量较差。随着去雾算法的不断发展，出现基于物理模型的去雾算法。该类算法通过估算透射率和大气光系数，最后利用大气光散射模型逆向求解无雾图像。基于物理模型的算法依赖于先验知识，存在一定的局限性。例如何凯明等人通过对大量有雾和无雾图像进行统计分析后提出暗通道先验理论，很好的估计出透射率图和...
【技术保护点】
【技术特征摘要】
1.一种基于模型优化和压缩的图像快速去雾方法，在去雾装置树莓派中，对图像进行快速去雾，该去雾方法是对一体化去雾网络AOD
‑
Net的优化，包括以下步骤：将AOD
‑
Net的五层卷积神经网络减少到四层，减少部分卷积核尺寸，并用深度可分离卷积代替其中部分普通卷积；对改进的AOD
‑
Net采用剪枝算法进一步优化AOD
‑
Net的网络结构；将优化后的模型转化为ONNX格式，部署在树莓派中，使用Opencv调用；所述一种去雾装置包括：摄像头，用于获取视频图像；树莓派，利用训练好的神经网络，实时的对传入的视频流逐帧的去雾；屏幕，用于显示清晰画面。2.根据权利要求1所述的将AOD
‑
Net的五层卷积神经网络减少到四层，减少部分卷积核尺寸，并用深度可分离卷积代替其中部分普通卷积具体为：AOD
‑
Net中的Conv1仍然使用1*1卷积核以及普通的卷积方式；C...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。