基于全局元注意力和对比学习的图像去雾

摘要

现实中的雾霾复杂多变，数据驱动图像去雾算法无法通过学习所有数据集的数据分布来建立一个泛用的映射模型，且只采用清晰无雾图像作为正样本指导去雾网络的训练，而负样本(有雾图像)的关键信息则被忽略。针对上述问题，提出一种基于全局元注意力和对比学习的图像去雾算法。首先，根据雾在图像中的分布特性设计基于多尺度特征提取和集成的去雾网络。其次，构建全局元注意力模块为多尺度去雾网络提供全局注意力优化，可根据输入的有雾图像自适应地调整网络的映射模型。最后，引入自监督对比学习将去雾结果拉近正样本，而远离负样本。实验结果表明，该算法在合成雾图数据集和真实雾图数据集上都取得了较好地去雾性能，在主观和客观评价方面都优于已有代表性的图像去雾方法。

关键词

图像去雾 / 深度学习 / 全局元注意力 / 对比学习 / 卷积神经网络