多尺度注意力特征增强网络用于单个图像脱雾
Weida Dong1,2, Chunyan Wang1, Hao Sun1
1School of Opto-Electronic Engineering, Changchun University of Science and Technology, Changchun 130022, China.
Sensors (Basel, Switzerland)
|October 14, 2023
概括
这项研究引入了一种新的图像消除网络,它增强了多尺度的功能,以防止色彩扭曲和细节丢失. 提出的方法有效地消除雾,同时保留图像颜色和细节,优于现有的算法.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 人工智能的人工智能
背景情况:
- 现有的图像删除算法经常受到色彩扭曲和细节丢失的影响.
- 开发有效的除烟方法对于各种应用,如自动驾驶和监控至关重要.
研究的目的:
- 提出一个端到端的图像消除网络,解决色彩扭曲和细节损失.
- 增强多尺度特征表示,以改善雾清除.
- 为了保持原始图像的颜色忠实度和复杂的细节.
主要方法:
- 一个端到端的网络,包含一个特征提取增强模块,以捕获细节和扩展受体场.
- 在功能融合增强模块中使用道和像素注意力机制来进行动态重量调整.
- 使用上下文增强模块来改进语义信息并抑制噪音,以准确估计雾密度.
主要成果:
- 在SOTS户外数据集上获得了PSNR得分33.74,SSIM得分0.9843,以及LPIPS距离0.0040.
- 与合成模糊图像上的代表方法相比,证明了更高的脱雾性能.
- 展示了有效的雾清除,在现实世界的模糊图像上保留了细节和颜色保真.
结论:
- 拟议的多级特征增强网络有效地消除了雾,同时保留了图像的颜色和细节.
- 该方法比现有的除尘技术具有显著的优势,特别是在保持图像质量方面.
- 该网络能够处理合成和现实世界的模糊图像,这突显了它的实际应用性.


