摘要

针对目前图像去雾方法中存在的输出图像色彩偏暗、场景信息丢失以及去雾不彻底等问题,提出了一种基于注意力机制的端到端图像去雾方法。首先将通道注意力机制嵌入到Inception网络中,并由融合后的网络进行浅层特征提取;然后通过多尺度卷积和残差密集连接块学习深层图像信息,同时以跳跃连接的方式实现深浅特征融合;最后经过单一卷积层回归到像素比例系数矩阵,依据改进后的大气散射模型生成无雾图像;网络模型在均方差(MSE)的基础上设计了保真度损失函数作为约束。在RESIDE雾天数据集上的实验结果显示,提出的方法的峰值信噪比(PSNR)、结构相似度(SSIM)、学习感知图像块相似度(LPIPS)和CIEDE2000分别达到32.545,0.970,0.026和2.711,表现出良好的效果,输出图像去雾彻底,色彩保真度高,并有效避免了已有方法中的细节信息丢失问题。