-
题名基于全局局部协同的非均匀图像去雾方法
被引量：3
- 1
-
-
作者
罗小同
杨汶锦
曲延云
谢源
-
机构
厦门大学信息学院计算机科学与技术系
华东师范大学计算机科学与技术学院
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2024年第7期1333-1344,共12页
-
基金
国家自然科学基金(62176224,62222602)资助。
-
文摘
近年来,基于卷积神经网络(Convolutional neural network,CNN)的图像去雾方法在合成数据集上取得了显著的进展,但由于真实场景中存在雾分布不均的问题,卷积运算的局部感受野难以有效捕获到上下文指导信息,从而导致全局结构信息丢失.因此,真实场景下的图像去雾任务面临着巨大的挑战.考虑到Transformer具有捕获长距离语义信息依赖关系的优势,有利于引导全局结构信息重建.然而,标准Transformer结构的高计算复杂度阻碍了其在图像恢复中的应用.针对上述提到的问题,提出一个由Transformer和卷积神经网络组成的双分支协同非均匀图像去雾网络Dehazeformer.Transformer分支用于提取全局结构信息,同时设计稀疏自注意力模块(Sparse self-attention modules,SSM)以降低计算复杂度.卷积神经网络分支用于获取局部信息,从而恢复纹理细节.在真实非均匀有雾场景下的实验结果表明,该方法不管是在客观评价还是在主观视觉效果方面均达到优异的性能.
-
关键词
图像去雾
卷积神经网络
TRANSFORMER
特征融合
稀疏自注意力
-
Keywords
Image dehazing
convolutional neural network(CNN)
Transformer
feature fusion
sparse self-attention
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
