本项目用暗原色先验算法和AOD神经网络实现图像去雾.zip

# 图像去雾 本项目用暗原色先验算法和AOD神经网络实现图像去雾 ## 暗原色先验 ### 可执行程序 可程序程序带有UI用户界面，在Windows系统下打开“可执行程序\暗原色先验\dehaze.exe”来使用。 点击“选择图片”按钮选择要处理的图片，点击“去雾”按钮获得图像去雾结果，可选择对结果进行直方图均衡，可以调整结果图片的亮度。 ### 代码 可以将测试图片放在testbench文件夹内，运行main.m，在results文件夹内查看结果。 - mygui.m: UI用户界面的代码 - main.m: 对同目录下“testbench”文件夹中的图片进行去雾，存储在results文件夹下。 - dehaze.m: 图像去雾主逻辑 - getA.m: 获得全局背景光。 - getA_ave.m: 获得全局背景光，使用平均值的方式。 - guidFilter.m: 快速引导滤波算法. - hist_equal.m: 对rgb分别进行rgb均衡 ## AOD神经网络 ### 可执行程序 由于可执行程序太大（780M），所以上传至清华网盘 https://cloud.tsinghua.edu.cn/d/6be1526e6dfb4fc08e57/。 下载ui.exe和epoch11.pth，放在同一目录下，运行ui.exe 点击“选择图片”按钮选择要处理的图片，点击“去雾”按钮获得图像去雾结果，可选择对结果进行直方图均衡，可以调整结果图片的亮度。 ### 代码 - ui.py: UI用户界面的代码。 - train.py: 训练网络所用代码。 - dataloader.py: 提取图片数据。 - utilis.py: 附加函数，如保存模型参数等。 - model.py: AOD模型。 - test.py: 载入模型参数并在给定图片上进行测试。 ### 环境 - torch 1.2.0 - python 3.5.2 - Cuda compilation tools, release 10.1, V10.1.105 - cudnn 6 ### 训练参数 - **FC_LR = 1e-4** (learning rate of fully-connected parameters) - **NET_LR = 1e-4** (learning rate of other parameters) - **BATCH_SIZE = 64** (training batch size) - **OPTIMIZER = 'adam'** (optimizer choice, adam or sgd) - **WEIGHT_DECAY = 1e-4** (weight decay, applied only when using SGD) - **MOMENTUM = 0.9** (momentum, applied only when using SGD) - **DECAY_RATE = 0.1** (decay rate of learning rate every 10 epoches) ### 训练方法 首先需要从https://sites.google.com/site/boyilics/website-builder/project-page下载训练数据集放在code文件夹同目录data文件夹内 data文件夹内应该由data文件夹（有雾图片）和images文件夹（原图） 在根目录下运行python code/train.py