下载掌阅APP，畅读海量书库
立即打开
本章提出了一种有效的类似于 UNet 的端到端去雾算法，该算法采用下采样层来提取图像中的多尺度特征图，并采用跳跃连接的方式对不同尺度的特征图进行融合，同时在跳跃连接中加入了由通道注意力模块和像素注意力模块组成的特征注意力模块，使本章算法将更多的注意力集中在浓雾像素区域和重要通道信息。本章在公开的RESIDE数据集上对本章算法进行训练，并利用训练好的模型在SOTS、MSD等数据集和真实图像上测试了本章算法和其他几种流行的去雾算法。测试结果表明，本章算法能够克服其他几种流行的去雾算法容易受到先验知识制约和颜色失真的缺点，得到较为清晰的无雾图像，而且图像的色彩失真小，去雾性能优于其他几种流行的去雾算法。