基于天气退化感知的动态自适应图像复原方法

摘要

在雨、雾、雪和低照度等复杂天气条件下，图像和视频质量显著降低，进而影响视觉感知效果和视觉信息利用价值.因此，如何有效去除复杂天气对图像质量的影响一直是研究的热点问题.为了解决这些问题，本文提出了基于天气退化感知的一体化动态自适应图像复原网络DegRestorNet.该方法通过天气退化感知机制生成包含多维度信息的退化感知场景描述符，进一步引导模型基于动态卷积自适应调整复原策略，从而动态适应雨、雾、雪、低照度等不同类型及程度的质量退化，实现复杂天气条件下的一体化图像复原.首先，设计了面向退化感知的场景描述符生成器（Degradation-aware scene descriptor generator, DASDG），包含退化类型识别和退化程度评估模块，用以生成退化感知场景描述符.其次，设计了基于动态卷积的退化自适应复原网络（Dynamic convolution-based degradation-adaptive restoration network, DCDRN），在U-Net结构基础上引入了退化感知动态卷积Transformer模块，并根据退化感知场景描述符动态调整参数，从而适配不同天气图像退化特性，实现对复杂天气退化图像的自适应复原.最后，本文在复杂天气公开数据集CDD和以RAISE数据库为基础、采用CDD图像集生成策略构建的复杂天气数据集DSD上进行了全面的实验评估.与OKNet、RestorNet等主流算法的主客观对比实验表明，在雨、雾、雪、低照度等多种天气导致的退化图像复原任务中，DegRestorNet的综合表现更优.消融实验结果进一步验证了所设计的场景描述符生成器和退化自适应复原网络的有效性，显示了该方法的优越性.

关键词

自适应图像复原 / 复杂天气 / 退化感知 / 动态卷积 / 深度学习

基金资助

装备智能运用教育部重点实验室开放基金课题资助项目（2024-AAIE-KF04-03）; 成都市科技计划资助项目（2025-YF12-00006-RC）; 警务融合计算四川省重点实验室开放课题资助项目（JWRH202502002）