基于层级权值交互和拉普拉斯先验的非均匀去雾

针对非均匀雾霾图像去雾过程中细节丢失和雾霾残留,导致图像质量受损的问题,提出一种基于层级权值交互和拉普拉斯先验的非均匀去雾方法。首先,在基准网络中引入层级权值交互模块,以自适应地调整权值,在不同尺度上对特征图进行加权融合。同时,使用全感受野聚合模块丰富感受野,让模型更全面地理解图像内容信息。然后,引入频域信息分支,使用小波函数将图像分解为低频和高频分量,低频部分包含整体结构信息,高频部分提供局部细节信息,两者共同提高了图像的清晰度。最后,引入拉普拉斯损失重建图像,恢复图像的细节特征,提高生成图像的质量。实验结果表明,相比原始算法,所提算法在4个数据集上的峰值信噪比(PSNR)分别提高了0.8 dB、1.54 dB、1.14 dB和0.23 dB,并在测试集上取得了较优的去雾效果。