多深度自适应融合去雾生成网络

摘要

针对图像去雾不彻底和失真等问题，采用生成对抗的训练方式，提出了一种多深度自适应融合的去雾生成网络。首先，采用U-Net++结构和雾霾感知单元来学习雾霾特征。其次，提出一种向量混合注意力模块扩张底层信息，补充去雾图像的细节；再次，从部分和整体维度构建自适应权重来选取不同深度的特征，提升网络对有效信息的利用率；最后，采用混合损失来确保生成图像的质量，并在对抗损失中引入Wasserstein距离。为了验证本文算法的有效性，在RESIDE和Haze4k数据集上将本文算法和10种主流去雾算法进行客观定量对比，然后在真实图像上进行主观评价。实验结果表明：在SOTS Outdoor验证集上PSNR达到36.20dB,SSIM达到0.988 4，具有更好的去雾效果。

关键词

信息处理技术 / 图像去雾 / 生成对抗网络 / 多深度特征 / 自适应特征融合