# 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
没有合适的资源?快使用搜索试试~ 我知道了~
本项目用暗原色先验算法和AOD神经网络实现图像去雾.zip
共74个文件
jpg:28个
png:13个
pyc:8个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 101 浏览量
2023-08-28
10:03:06
上传
评论
收藏 19.87MB ZIP 举报
温馨提示
本项目用暗原色先验算法和AOD神经网络实现图像去雾.zip
资源推荐
资源详情
资源评论
收起资源包目录
本项目用暗原色先验算法和AOD神经网络实现图像去雾.zip (74个子文件)
code_resource_010
readme.md 2KB
代码
AOD神经网络
Dehaze_save
epoch11.pth 25KB
testbench
river_result.png 301KB
test1.jpg 56KB
shan.jpg 24KB
tian.png 346KB
trees_result.jpg 196KB
buildings_result.jpg 107KB
trees.jpg 554KB
test1_result.jpg 19KB
toys_result.jpg 27KB
toys.jpg 140KB
img.bmp 898KB
buildings.jpg 97KB
test2_result.jpg 76KB
tian_result.png 391KB
river.png 356KB
road.jpg 5KB
shan_result.jpg 23KB
test2.jpg 106KB
woods_result.png 279KB
road_result.jpg 8KB
woods.png 239KB
code
utils.py 3KB
model.py 1018B
ui.spec 884B
dataloader.py 2KB
train.py 6KB
__pycache__
utils.cpython-35.pyc 4KB
model.cpython-35.pyc 1KB
model.cpython-36.pyc 1KB
test.cpython-36.pyc 1KB
ui.cpython-36.pyc 3KB
dataloader.cpython-36.pyc 2KB
dataloader.cpython-35.pyc 2KB
utils.cpython-36.pyc 3KB
ui.py 3KB
test.py 975B
暗原色先验
DarkChannelPrior
dehaze.m 1KB
guidFilter.m 2KB
main.m 435B
hist_equal.m 239B
getA_ave.m 741B
boxfilter.m 860B
testbench
test1.jpg 56KB
shan.jpg 24KB
tian.png 346KB
trees.jpg 554KB
toys.jpg 140KB
img.bmp 898KB
buildings.jpg 97KB
river.png 356KB
road.jpg 5KB
test2.jpg 106KB
woods.png 239KB
results
river_result.png 305KB
img_result.bmp 898KB
trees_result.jpg 166KB
buildings_result.jpg 91KB
test1_result.jpg 13KB
toys_result.jpg 30KB
test2_result.jpg 59KB
tian_result.png 382KB
shan_result.jpg 21KB
woods_result.png 312KB
road_result.jpg 7KB
getA.m 804B
mygui.m 6KB
报告.pdf 1.83MB
可执行程序
暗原色先验
dehaze.exe 10.77MB
splash.png 51KB
default_icon.ico 46KB
readme.txt 1KB
由于AOD神经网络可执行程序太大(780M),所以上传至清华网盘 打开.txt 105B
共 74 条
- 1
资源评论
LeapMay
- 粉丝: 2w+
- 资源: 2302
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功