-
题名一种基于FFA-Net改进的单幅图像去雾算法
- 1
-
-
作者
何钦
徐望明
王义焕
罗扬
王薇
-
机构
武汉科技大学信息科学与工程学院
武汉科技大学冶金自动化与检测技术教育部工程研究中心
武汉科技大学计算机科学与技术学院
-
出处
《武汉科技大学学报》
CAS
北大核心
2024年第6期448-456,共9页
-
基金
国家自然科学基金项目(62202347)
湖北省中央引导地方科技发展专项(2023EGA001)
武汉科技大学冶金自动化与检测技术教育部工程研究中心开放课题(MADTOF2021B02).
-
文摘
雾霾会严重影响使用卷积神经网络的视觉系统对目标图像的检测和识别能力,为此本文在特征融合注意力网络FFA-Net的基础上设计和添加全局空间上下文增强(GSCE)模块和细节渐进增强(PDE)模块,进而提出一种改进型单幅图像去雾算法。GSCE模块用于增强全局空间信息,PDE模块用于逐步细化和增强图像特征,二者结合进行高效和轻量级的特征提取,弥补原模型中大量使用跳跃连接所造成的细节信息损失。改进模型分别在公共基准数据集RESIDE的室内数据和室外数据上进行训练,并分别在SOTS的室内和室外两个数据集上进行了测试。结果表明,本文算法明显超越了原FFA-Net和现有典型的单幅图像去雾算法,尤其在SOTS室内测试数据集上,单独融合GSCE模块就使得PSNR指标从36.36 dB提升到38.39 dB,在进一步使用PDE模块后PSNR指标提升到38.78 dB,算法的去雾性能得到较大提高,验证了改进策略的有效性。
-
关键词
图像去雾
卷积神经网络
FFA-Net
全局空间上下文增强模块
细节渐进增强模块
-
Keywords
image dehazing
convolutional neural network
FFA-Net
GSCE module
PDE module
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
