用多尺度特征融合和混合注意力机制进行对比学习驱动的图像脱雾
Huazhong Zhang1, Jiaozhuo Wang1, Xiaoguang Tu1,2
1College of Aviation Electronic and Electrical Engineering, Civil Aviation Flight University of China, Chengdu 641450, China.
Journal of imaging
|September 26, 2025
概括
本研究介绍了一种新的图像删除方法,使用对比学习和InfoNCE损失来提高稳定性. 这种方法有效地保留了图像细节,并在多样化,模糊的条件下优于现有的方法.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
背景情况:
- 图像消光对于视觉增强至关重要,但面临着精细细节保护和不均降解的挑战.
- 现有的方法在稳定性和适应各种模糊场景方面扎.
研究的目的:
- 开发一种新的图像消毒方法,增强强度并保留细节.
- 为复杂的视觉场景解决当前除尘技术的局限性.
主要方法:
- 一个使用InfoNCE损失的对比学习框架,将模糊图像视为负面图像和清晰图像视为积极样本.
- 多尺度动态特征融合与混合注意力机制的整合.
- 动态调节的频段过器和精致的注意力模块用于跨度细节捕获.
主要成果:
- 拟议的方法证明了提高了区分雾文物和场景特征的能力.
- 增强图像结构完整性和细粒度细节的保护.
- 在RESIDE-6K和RS-Haze数据集上表现优于大多数现有方法.
结论:
- 新的对比学习和功能融合方法为图像消毒提供了强大的解决方案.
- 该方法显示了需要高质量的视觉增强的实际应用的巨大潜力.
- 在注意力机制和特征融合方面的进步有助于在具有挑战性的排气场景中提供卓越的性能.
