基于深度学习的图像去雾网络有哪些，推荐链接和程序

基于深度学习的图像去雾网络有很多，以下是一些常用的网络：

1. DehazeNet：是一种端到端的去雾网络，利用卷积神经网络进行训练，可以直接输入雾化图像和相应的透射率图像，输出去雾图像。

2. AOD-Net：是一种基于全局与局部的特征融合的去雾网络，采用两个分离的卷积神经网络来提取全局和局部特征，并通过级联结构进行融合。

3. MSCNN：是一种使用多尺度卷积神经网络进行去雾的方法，通过对输入图像进行不同尺度的分解，同时利用多个卷积神经网络进行处理，从而提高了去雾的效果。

4. GFN：是一种利用生成对抗网络（GAN）进行去雾的方法，通过训练一个生成器和一个判别器，使生成器生成的去雾图像与真实的清晰图像难以区分，从而达到去雾的效果。

以下是一些推荐链接和程序：

1. DehazeNet代码：https://github.com/leeyeehoo/DehazeNet

2. AOD-Net代码：https://github.com/BoyuanJiang/AOD-Net

3. MSCNN代码：https://github.com/tyshiwo/MSCNN

4. GFN代码：https://github.com/hezhangsprinter/GFN