-
题名一种可解释的双分支深度学习去雾算法
- 1
-
-
作者
杨燕
李郡煜
梁皓博
-
机构
兰州交通大学电子与信息工程学院
-
出处
《哈尔滨工业大学学报》
北大核心
2025年第9期121-129,共9页
-
基金
国家自然科学基金(61561030)
甘肃省高等学校产业支撑计划项目(2021CYZC-04)
兰州交通大学教改项目(JG201928)。
-
文摘
为解决目前大多数深度学习去雾算法去雾过程中细节丢失、可解释性差的问题,提出了一种可解释的双分支深度学习去雾算法。该算法设计双分支协同架构解耦去雾任务,上分支雾霾提取子任务通过设计的雾霾提取块(haze removal block,HRB)在频域中提取雾霾特征,并引入通道注意力机制增强浓雾区域的特征捕获;下分支细节修复子任务采用聚合式残差框架修正提取特征时损失的纹理细节;通过计算模糊图像与雾霾特征图像的负残差得到初步去雾图像,并利用下分支修正细节获得最终的去雾图像。在SOTS、NH-HAZE和真实场景数据集上进行相关实验,结果表明,相较于现有的主流去雾算法,本文算法恢复的图像不仅雾霾去除更加彻底、细节保留更加完整,而且客观评价指标也有显著提升。研究成果不仅为深度学习在图像去雾领域开辟了新的研究方向,还为实际应用中的图像清晰化处理提供了切实可行的解决方案。
-
关键词
图像去雾
特征提取
残差连接
注意力机制
细节增强
-
Keywords
image dehazing
feature extraction
residual connections
attention mechanism
detail enhancement
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
