论文部分内容阅读
分析了Boosting提升模型,提出一种以去雾后图像均方误差与信息熵比值为选择标准,对多类不同的去雾算法进行排序,并根据设定的阈值,从多类的去雾算法中,选择合适的去雾算法作为"极优增强器",再通过对优化学习率的方法。更新"极优增强器"的权重,采取线性组合,构建了最优去雾算法。经实验表明,该算法实现了去雾后图像对比度和图像的信息损失之间的平衡。提升了图像对比度,凸显了图像细节,最大程度的减小了图像信息的损失。