计算机与现代化JISUANJIYUXIANDAIHUA2023年第3期总第331期文章编号：1006-2475（2023）03-0011-05收稿日期：2022-04-14；修回日期：2022-05-19基金项目：国家级大学生创新训练项目（202110446262）作者简介：尹相臣（2000—），男，山东临沂人，本科生，研究方向：图像处理，三维视觉，E-mail：2889631270@qq.com；陈思龙（2001—），男，四川达州人，本科生，研究方向：图像处理，E-mail：313654034@qq.com；李振凯（2000—），男，本科生，研究方向：软件工程，E-mail：2737035853@qq.com；张文进（2000—），男，山东昌乐人，本科生，研究方向：软件工程；李桂青（1984—），女，山东烟台人，讲师，硕士，研究方向：计算机网络，图像处理。0引言在雾霾天气下，图像拍摄受大气粒子散射、遮挡像素点成像及无关自然光折射参与成像的影响，出现了对比度低和细节信息丢失的现象，导致不能采集到清晰的图像。这种图像为之后的安全防范的实施和管理带来了很大的挑战，因此图像去雾成为了计算机视觉的一个重要研究方向［1-2］。图像去雾的方法主要分为3种：基于先验的方法、基于非物理模型的方法和基于学习的方法［3］。基于先验的方法考虑了雾的成像原理，依赖于大气散射模型［4］。该模型认为入射光衰减和散射介质是影响图像质量的重要因素，模型的公式如式（1）：I(x)=J(x)t(x)+A(1-t(x))（1）He等人［5-6］提出的基于暗通道先验的去雾算法将暗通道先验与大气散射模型结合进行图像去雾。此算法由于高效稳定受到了广泛的应用，但此类算法［7］对天空区域去雾效果不能达到正常要求，容易产生颜色失真等现象，并且该算法对环境有着较高的要求。此后的研究对于先验的算法又做出了很多改进，如颜色衰减算法［8］、交互式去雾算法［9］等。基于非物理模型的方法利用图像本身的数学和统计特征进行去雾，如Retinex算法［10］、直方图均衡化算法［11］等。该类算法有一定的去雾效果，但是易出现颜色失真、多尺度密集感受域的GAN图像去雾算法尹相臣1，陈思龙2，李振凯1，张文进1，李桂青1（1.曲阜师范大学网络空间安全学院，山东曲阜273165;2.西南交通大学信息科学与技术学院，四川成都610000）摘要：基于先验的图像去雾算法依赖于大气散射模型，易受环境影响出现去雾不彻底、颜色失真等现象，针对上述问题本文基于深度学习，提出一种多尺度密集感受域的GAN图像去雾算法。首先构建一个多尺度学习的生成器网络，通过3种不同尺度提取图像的局部细节和全局信息后进...
