单幅图像去雾的多步融合自适应特征注意网络

雾天天气严重影响了人类户外活动的进行,学术界针对图像去雾的计算机视觉任务已经进行了广泛研究,但仍然面临着诸如真实雾图像去雾能力有限等严峻挑战.为此,提出了一种基于多步融合的端到端自适应特征注意网络.其中的自适应特征注意模块可以自适应扩展接收域,获取空间中的关键结构信息,提取更复杂的特征.此外,考虑到网络中获取的低层次和高层次特征之间缺乏连接,还完成了多步融合模块,该模块能使网络中不同层次的特征在图像恢复过程中有效互补.另外,通过减少网络参数,优化后的网络结构使得其所需的计算资源也大幅度减少.对于具有真实雾霾的Dense-Haze和NH-HAZE数据集,该方法得到了较高的峰值信噪比(PSNR)和结构相似度(SSIM),分别为16.23 dB,0.5213和21.38 dB,0.7144;同时,其实际视觉效果也优于其他所选先进技术.