实战14：基于pythonAOD 卷积实现图像去雾实战（完整代码 +报告+可作为毕业设计）

我首先实现了基于暗原色先验的去雾算法，并从运算速度和去雾效果方面进行了一定的改进。

之后，我训练了 AOD 卷积网络来进行图像去雾，并对数据集图片做一定的处理，增加了网络的鲁棒性，去雾效果也很不错。暗原色先验的去雾算法使用 MATLAB 实现，使用 MATLAB 的 GUI 设计了用户界面；AOD 卷积网络使用 Python 实现，使用 pyqt 设计了用户界面。

文献调研

室外图像的质量有时会因为雾和霾的原因有所下降，空气中的灰尘和水气对光线的吸收和散射，使得进入摄像机镜头的光混杂了白光，从而导致实际景象的对比度降低。

去雾算法一直受到研究者的关注，传统的去雾算法有多图片去雾和单图片去雾两大类。Shwartz, Namer, and Schechner (2006)利用多张不同角度拍摄图片的信息来实现去雾，属于多图片去雾算法。在深度神经网络广泛应用之前，单图片去雾的算法已经取得了一定成就。Tan (2008)发现无雾图像一定比有雾图像对比度更高，他使用最大化局部对比度的方法实现去雾，但这种方法可能带来色彩的失真。Fattal (2008)通过估计场景的反射率的方法去雾，他假定光传播与表面纹理局部无关。他的方法能较好的保留景象的色彩，但对浓雾的处理效果较差。

年提出的暗原色先验方法(K. He, Sun, & Tang, 2011)引起了学界的广泛关注&#