科研之友
微信
新浪微博
Facebook
分享链接
摘要
目前基于深度学习的图像去雾算法通常在提取特征时使用传统的卷积层，容易造成图像的细节和边缘等信息丢失，提取特征时忽略图像的位置信息，融合特征时忽略图像原始信息，不能恢复出结构完整、清晰的高质量无雾图像。针对这一问题，提出一种基于残差上下文注意和跨层特征融合的去雾算法。首先，对提出的残差上下文块串行得到残差组结构，并对网络的前两层即浅层进行特征提取，得到浅层丰富的上下文信息；其次，引入坐标注意力以建立具有位置信息的注意力图，并将其应用于残差上下文特征提取中，放置在网络的第三层即深层提取更深层次的语义信息；然后，在网络中间层通过跨层融合来自不同分辨率流的特征信息，增强深浅层的信息交换达到特征增强的目的；最后，聚合网络得到的具有丰富的语义信息特征与原始输入，从而提升复原效果。在RESIDE数据集和Haze4K数据集上的实验结果表明，所提算法在视觉效果与客观指标上都取得了较好的效果。
- 单位
