结合小波变换和注意力机制的U-NET图像去雾算法

图像是众多任务的基础使用数据,对于本身的质量有较高的要求。但是图像的质量受到很多因素的影响,例如空气中的雾。因此图像去雾的研究就十分有必要。兴起的深度学习在各种计算机视觉任务中发挥了重要作用,在单幅图像去雾中也是如此。论文在卷积神经网络的基础上,提出设计了一种结合小波变换和注意力机制的U-NET图像去雾模型,小波变换替代原始U-NET中的上下采样,保留更多的细节信息,同时将像素注意力机制与通道注意力机制结合成注意力模块,与U-NET模块并行,作为特征补充存在。在视觉效果和定量分析中,证明该模型有较好的去雾效果。