随着目前雾霾天气越来越频繁,越来越严重,雾霾天气会影响成像设备的成像质量,使拍出来的照片有雾而变得模糊,这使得图像去雾变得越来越重要。图像去雾的相关研究也很多,有很多图像去雾的方法被提出,但每种方法都有其局限性。本文尝试借助在图像处理领域应用广泛并且效果很好的卷积神经网络来对图像去雾进行研究,设计一个去雾效果不错的卷积神经网络。由于目前卷积神经网络在图像去雾问题上的研究并不是很多,本文的研究也是一个探索,希望能够给后续的研究提供一个参考和借鉴。首先,本文对有雾图片形成的物理模型进行了介绍,该物理模型是图像去雾的基础,我们的研究就是基于该模型的。同时,本文对神经网络及BP算法进行了介绍,进一步本文介绍了卷积神经网络,详细介绍了卷积神经网路中不同的网络层次类型。这些知识是本文后续研究内容的基础。然后,本文针对图像去雾问题,设计了一个用于估计有雾图片对应透射系数图的去雾卷积神经网络,其设计借鉴了一些经典的卷积神经网络,在对其设计原理进行简单阐释的基础上,详细介绍了去雾卷积神经网络的结构,最后简单进行了理论上的分析。接着,本文对设计的去雾卷积神经网络在Caffe平台进行了训练,介绍了样本的合成以及网络的训练过程,并使用有雾图片对该去雾卷积神经网络的去雾效果进行了验证,结果表明其去雾效果不错。在去雾过程中,为了获得更好的去雾效果,我们使用了被广泛采用的导向滤波对卷积神经网络输出的有雾图片的透射系数图进行平滑。最后,将本文的方法同两种经典的去雾方法进行了视觉效果对比和定量对比,在定量对比过程中,本文使用带有景深信息的图像数据集合成了去雾数据集,该数据集既可以用来定量评估去雾方法的效果,也可以作为训练数据训练用来去雾的卷积神经网络,本使用该去雾数据集以SSIM为评价标准将本文的去雾方法与两种经典去雾方法进行了定量对比。本文主要研究了使用卷积神经网络来进行图像去雾这个问题,提出了一种去雾效果不错的去雾卷积神经网络,并使用该去雾卷积神经网络来对图像进行去雾,根据测试结果,其去雾视觉效果和定量结果都不错。同时根据带有景深信息的图片数据集合成了一个既可以用来定量评估去雾效果又可以训练去雾神经网络的去雾数据集。