基于残差密集块与注意力机制的图像去雾网络

作者：李硕士; 刘洪瑞; 甘永东; 朱新山^*; 张军

来源：湖南大学学报(自然科学版), 2021, 48(06): 112-118.

DOI：10.16339/j.cnki.hdxbzkb.2021.06.016

• 图像去雾
• 深度神经网络
• 编码器-解码器
• 注意力机制

基于卷积神经网络的单幅图像去雾算法虽然取得了一定进展,但仍然存在去雾不完全和伪影等问题.基于这一现状,提出了一种以编码器-解码器结构为基本框架,融合注意力机制与残差密集块的单幅图像去雾网络.首先,利用网络中的编码器、特征恢复模块和解码器三个部分直接对去雾后的图像进行预测;然后,在网络中引入本文所设计的带有注意力机制的残差密集块,提升网络的特征提取能力;最后,基于注意力机制提出自适应跳跃连接模块,增强网络对去雾图像细节的恢复能力.实验结果表明,与现有去雾方法相比,提出的去雾网络在合成有雾图像数据集和真实有雾图像上均取得了较为理想的去雾效果.

• 单位
  天津大学