基于自注意力模型的图像去雾算法

摘要：

为了提高路侧相机在雾天气象环境下的图像对比度和清晰度,基于自注意力模型建立了一种图像去雾算法.通过视觉感知实时获取道路交通目标信息,是实现道路数字化与智慧化的基础,而雾天环境会使感知算法出现性能衰退.文中在生成式对抗神经网络框架下建立了基于自注意力模型的图像去雾算法,能够有效建模图像中不同区域间的关系,同时解决实际环境中难以建立无雾-有雾图像对训练集问题.利用Vision-Transformer网络提取图像中雾层特征,通过U-Net网络对图像雾层进行估计;采用卷积神经网络对去雾图像进行评估,通过对抗训练方式对网络参数进行优化;基于实际高速公路路侧相机采集了自然雾天环境下的道路交通图像数据,并结合Foggy Driving和O-HAZE开源数据集对提出的图像去雾算法进行了验证,结合主观和量化指标对算法的去雾效果进行了验证评估,表明该算法能够有效提高图像质量.

关键词：图像去雾算法、自注意力模型、道路数字化、Vision-Transformer网络、卷积神经网络、量化指标

所属期刊栏目：45

分类号：TN911.73-34;TP391

资助基金：国家山区公路工程技术研究中心开放基金;中央高校基本科研业务费资助项目

在线出版日期：2022-10-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：37-43