全局和局部特征融合的图像去雾

具有参数共享特性的卷积操作主要关注于图像局部特征的提取,而无法对超出感受野范围的特征进行建模,同时整幅图像共享同一个卷积核参数也忽略了不同区域的特性不同。为了克服现有方法的表达不足,提出了全局和局部特征融合去雾网络,分别利用Transformer和卷积操作提取图像全局和局部特征信息,并将两者融合后输出,充分发挥了Transformer建模长距离依赖关系和卷积操作局部感知特性的优势,实现了特征的高效表达。在最终输出复原图像前,设计了包含多尺度图像块的增强模块,利用Transformer进一步聚合全局特征信息,丰富复原图像细节。同时,提出了一个全局位置编码生成器,可自适应地根据全局图像内容信息生成位置编码,进而实现对像素点间依赖关系的二维空间位置建模。实验结果表明,所提出的去雾网络在合成和真实图像数据集上均展现出了较好的去雾性能,复原图像更加真实,细节还原度高。