基于空间通道Transformer的双分支网络图像去雾方法

作     者：张望 ZHANG Wang

作者机构：西华大学汽车与交通学院四川成都610039 

出 版 物：《电脑与电信》 (Computer & Telecommunication)

年 卷 期：2022年第10期

页      码：82-89页

摘      要：近年来,雾霾天气下对采集的图像和视频去雾需求显著提高,已有的一些物理模型和深度学习去雾方法只估计了较为粗糙的透射率图,并由于估计大气光的系统误差导致图像存在对比度下降、细节缺失等问题。为应对当前问题,提出基于空间通道自注意力网络(Space-Channel Transformer)的双分支图像去雾方法。主干网络设计为编码器-解码器(EncoderDecoder)结构的端到端(End-to-End)网络,通过PoolFormer提取特征,使用跳跃连接增添全局信息,进行实例归一化加快模型收敛速度并增加了亮减暗通道的多尺度图像输入和余弦相似性(Cosine Similarity)损失函数。分支网络进行无监督训练,输出双线性插值的暗通道透射图,增加暗通道损失函数,减少像素级细节损失。在Reside室内数据集中,峰值信噪比(PSNR)达到31.6305dB,结构相似性(SSIM)达到0.9715。实验结果表明,相较于对比算法,所提方法对解决对比度下降、细节缺失等问题有较好效果,提高了分辨率,去雾效果更优。

主 题 词：图像去雾 卷积神经网络 Transformer 无监督训练 损失函数 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.15966/j.cnki.dnydx.2022.10.019

馆 藏 号：203118535...