原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
目前在图像去雾任务中，基于深度学习的方法成为了主流的方法，其中大部分的
研究成果集中在有监督方法。有监督图像去雾方法的瓶颈是需要使用大量成对匹配的
带雾和清晰图像。因场景易受自然因素的影响而变化，构建大规模的成对匹配数据集
变得十分困难。然而，基于无监督学习的图像去雾方法只需关注带雾图像本身，因此
越来越受到研究者的青睐。针对一种无监督图像复原框架在图像去雾问题上的适应性
不佳，未考虑图像特征在不同空间和通道上的权重，以及重建得到的图像的语义布局
与输入相差较大等问题，提出了一种改进的无监督学
文档评论（0）