基于U-net的多尺度特征融合去雾网络
摘要
为了解决复杂场景下，处理雾霾过程中细节信息丢失导致清晰度下降的问题，提出一种基于U-net的多尺度特征融合去雾网络。在编码器部分，采用动态加权机制的动态大核卷积增强对全局信息的提取能力，通过动态加权机制自适应调整不同特征的权重，提升模型对复杂场景的适应能力。同时引入平行特征注意力模块PA1捕捉图像中的细节和颜色信息，有效防止在去雾过程中丢失重要特征。针对雾天存在光照变化复杂且雾霾不均匀问题，在解码器部分的平行特征注意力模块PA2引入坐标注意力，将空间信息与通道信息结合，更全面地捕捉特征图中的关键信息。实验结果显示，提出的网络模型在多种数据集上表现出优异的去雾效果，与FFA-Net、AOD-Net等经典去雾网络相比，提出的网络模型在图像去雾等方面表现出更优越的性能，有效改善细节丢失等问题。
引用本文（GB/T 7714）
董倩瑜 Dong Qianyu, 杨秋翔 Yang Qiuxiang, 赵印 Zhao Yin. 基于U-net的多尺度特征融合去雾网络[J]. Laser & Optoelectronics Progress, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。