基于雾层学习的多级融合去雾网络

针对去雾算法中存在的颜色失真、去雾不彻底等问题,本文提出一种基于雾层学习的多级特征融合网络用于单幅图像去雾。首先,结合大气散射模型将有雾图像与无雾图像之间的差值图像定义为雾度层,通过对雾度层的有效估计来达到优化的去雾效果。其次,设计一种端到端的网络模型,该模型主要包括雾层估计模块和图像复原模块。在雾层估计模块中,通过特征提取块对图像的低级和高级特征进行提取,并采用多级融合策略对不同级别的特征进行逐像素加法来实现特征融合,融合后的雾层特征同时包含局部信息和全局信息。最后,根据图像复原模块,直接从有雾图像中减去雾层特征,便可实现无雾图像的有效复原。实验表明,与现有去雾算法相比,该算法复原结果清晰自然,有效避免了颜色失真现象;合成图像和真实图像上的客观评价指标进一步验证了所提算法的有效性。