注意力引导特征增强的单图像去雾

作者：何胜敏; 陈志翔^*

来源：闽南师范大学学报(自然科学版), 2021, 34(03): 55-61.

DOI：10.16007/j.cnki.issn2095-7122.2021.03.008

• 图像去雾
• CNN深度
• 扩张卷积
• 注意力机制

CNN网络深度的增加,导致计算成本急剧提升,且深层网络不能充分利用浅层特征.针对这个问题,提出了注意力机制引导下的特征增强网络(AGFENet),主要包括扩展卷积块(DVB)、特征增强块(FEB)和注意块(AB). DVB采用扩张卷积来扩大卷积核的感受野,有效降低网络深度,权衡性能和效率. FEB使浅层特征信息更多地流向深层网络,提高网络特征表达能力. AB引导FEB与DVB进行注意力机制处理,对厚薄雾区域采取不同的计算权重,充分提取图像厚雾的信息.实验表明,AGFENet的网络层数有效降低,针对合成和真实有雾图像集,定量和定性评价表现均较好.

• 单位
  闽南师范大学