知识迁移引导的空频双域联合去雾网络

摘要

目前一些基于CNN的方法在去雾方面有着不错的性能，但网络鲁棒性欠佳.这主要归因于雾霾分布复杂和数据集难以收集，导致去雾过程中纹理细节丢失严重并且在小规模数据集上存在严重的过拟合问题.为了解决上述问题，提出了空频联合的双分支结构.上分支捕获更多的纹理细节，利用三级小波变换在频域中获取特征；下分支提升网络泛化能力，采用域迁移方法在空域中提供额外的知识先验，以Res2Net作为该分支的核心部分.最后，本文在NH-HAZE数据集上对模型进行训练，在I-HAZE和NTIRE 2023数据集上进行泛化能力测试.此外，为了保证实验的公平性，本文对所有对比算法也采用NH-HAZE数据集进行训练.实验结果表明，本文网络在细节纹理恢复和泛化能力方面获得了显著提升.

关键词

图像去雾 / 域迁移 / 小波变换 / 注意力机制 / 深度学习