基于对比学习的单幅图像去雾算法

摘要：

现有的图像去雾算法,只采用了清晰图像来指导去雾网络的训练,而没有利用模糊图像,从而造成去雾不彻底,细节信息不完整的问题.为此提出了一种对比正则化的方法,利用模糊图像和清晰图像共同指导去雾网络的训练.对比正则化保证恢复后的图像信息向清晰图像方向靠近,远离模糊图像的方向.此外提出一种新的金字塔通道的特征自适应融合网络.该网络包含3个部分:三尺度特征提取网络、特征自适应混合模块(PCFM)和图像重建模块.三尺度特征提取模块同时捕捉不同尺度特征.金字塔结构和特征自适应融合操作,有效地提取相互依赖地特征,并以金字塔的方式有选择性地聚集更重要的特征.图像重建模块用于重建特征,恢复清晰的图像.实验结果表明,与现有的经典去雾算法相比,客观评价指标:峰值信噪比(PSNR)和结构相似性(SSIM)都得到了提升,并改善了去雾不彻底和颜色失真的现象.

关键词：对比学习、特征提取、特征金字塔、特征融合、图像去雾

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划2019YFB2103003

在线出版日期：2023-04-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：62-69