雾霾是大气污染物在逆温等气象条件下聚集和累积而形成的混浊物质,其可见性十分有限。图像去雾技术能够消除由雾霾导致的模糊、低对比度等问题,提高图像的清晰度和可见性,但也存在图像细节信息丢失等问题。为此,提出一种基于特征差异的...雾霾是大气污染物在逆温等气象条件下聚集和累积而形成的混浊物质,其可见性十分有限。图像去雾技术能够消除由雾霾导致的模糊、低对比度等问题,提高图像的清晰度和可见性,但也存在图像细节信息丢失等问题。为此,提出一种基于特征差异的多尺度特征融合去雾(FD-CA dehaze)网络。对FFA-Net的基本块结构进行改进,分别从特征差异维度、坐标维度和通道维度提取中间特征信息。提出有效坐标注意力(ECA)模块,将全局池化、最大池化与坐标位置信息相结合,用于减轻特征融合过程中的位置信息丢失问题;将通道注意力与ECA模块相结合,构建双注意力(D-CA)模型,更好地利用空间信息和通道信息,进一步提升模型在图像去雾任务中的表现。在此基础上,改进损失函数,将L1损失与感知损失相结合。在综合目标测试集(SOTS)和混合主观测试集(HSTS)中进行实验,结果表明,FD-CA dehaze网络在峰值信噪比、结构相似度2个指标上分别达到37.93 d B和0.9905,相较于FFA-Net、Grid Dehaz e Net等经典去雾网络,FD-CA dehaze的去雾效果得到明显提升。展开更多
文摘雾霾是大气污染物在逆温等气象条件下聚集和累积而形成的混浊物质,其可见性十分有限。图像去雾技术能够消除由雾霾导致的模糊、低对比度等问题,提高图像的清晰度和可见性,但也存在图像细节信息丢失等问题。为此,提出一种基于特征差异的多尺度特征融合去雾(FD-CA dehaze)网络。对FFA-Net的基本块结构进行改进,分别从特征差异维度、坐标维度和通道维度提取中间特征信息。提出有效坐标注意力(ECA)模块,将全局池化、最大池化与坐标位置信息相结合,用于减轻特征融合过程中的位置信息丢失问题;将通道注意力与ECA模块相结合,构建双注意力(D-CA)模型,更好地利用空间信息和通道信息,进一步提升模型在图像去雾任务中的表现。在此基础上,改进损失函数,将L1损失与感知损失相结合。在综合目标测试集(SOTS)和混合主观测试集(HSTS)中进行实验,结果表明,FD-CA dehaze网络在峰值信噪比、结构相似度2个指标上分别达到37.93 d B和0.9905,相较于FFA-Net、Grid Dehaz e Net等经典去雾网络,FD-CA dehaze的去雾效果得到明显提升。