基于感知融合机制的渐进式去雾网络

摘要：

智能辅助驾驶应用场景对图像去雾的准确性和实时性要求较高.提出了一种新颖的基于感知融合机制的渐进式去雾网络(progressive dehaze network,PD-Net),将降质图像恢复的任务分解为多阶段的子任务,通过轻量级的子网分块学习特征图的不同区域语义信息,以提升去雾效率.在此基础上,基于注意力机制和导向滤波设计跨阶段感知融合模块(perception fusion module,PFM),自适应感知各阶段提取的多尺度特征并进行融合,而不损失图像细节信息及边缘结构信息.实验结果表明,与现有主流的端对端去雾模型相比,所提出的算法在处理户外图像时具有更高的准确度和实时性,在公开的合成对象测试集(synthetic object testing set,SOTS)上的峰值信噪比(peak signal to noise ratio,PSNR)与现有最好结果相比提升了 0.93 dB,处理单幅图像仅需72 ms,提出的网络模型有望应用于智能交通等现实领域.

关键词：图像去雾、注意力机制、导向滤波、感知融合

所属期刊栏目：45

分类号：TP39(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省高等学校自然科学研究重大项目

在线出版日期：2023-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：3419-3427