基于改进Deeplabv3+的雾气图像分割

针对传统雾气图像分割算法耗时长、分割结果存在凹陷等问题,提出一种基于DeepLabv3+的雾气图像分割算法。改进算法将DeepLabv3+原结构编码器的Backbone替换为更轻量的Mobilenetv2网络;将解码器的特征融合结构进行重新设计,同时加入注意力通道模块、边缘细化模块,通过消融实验得到分割效果最佳的雾气图像分割网络。实验结果表明,改进算法对雾气图像的分割精度MIOU可达90.31%,优于以ResNet101为基础的DeepLabv3+算法,且分割速度提高了57.26%,模型容量减少了92.62%。