基于注意力特征融合的圖像去霧算法

錢旭淼,段 錦,2,劉 舉,陳廣秋,劉高天,梁麗平

(1.長春理工大學 電子信息工程學院,長春 130022; 2.長春理工大學 空間光電技術研究所基礎技術實驗室,長春 130022)

圖像去霧技術作為一項基本的低層次視覺任務目前已受到計算機高級視覺任務的關注,逐漸成為該領域的研究熱點.受霧霾、沙塵、雨、雪等惡劣天氣影響,成像設備拍攝的圖像通常存在對比度低、清晰度差、色彩失真等質量退化問題,從而直觀影響人眼的視覺感受,而且降質圖像的輸入會導致一些高級視覺任務如分類、跟蹤和目標檢測[1]等變得更困難.

傳統圖像去霧方法大多數是基于大氣散射模型進行的,該方法并不能直接測量客觀重建誤差,即當先驗條件和假設不成立時,會導致對透射率圖和大氣光強的估計不準確,從而嚴重影響清晰圖像的恢復,故傳統方法不能很好地發揮作用.隨著深度學習技術的發展,基于卷積神經網絡(CNN)[2-7]的方法被用于圖像去霧中,直接或間接的恢復無霧圖像.但通過現有的網絡(如DenseNet[8],U-Net[9]等)直接估計清晰圖像,常會出現霧氣殘留、顏色失真、細節丟失等問題.因此,針對去霧問題合理對網絡進行優化非常必要.

本文針對去霧任務設計一種基于注意力特征融合的圖像去霧算法,該算法比現有算法在圖像去霧方面效果更好,尤其是在圖像細節和保真度的恢復方面.本文工作主要貢獻如下:

1) 為解決以往霧氣殘留、顏色失真的問題,本文結合通道注意力和像素……