摘要：针对现有去雾方法处理的图像细节模糊和色彩偏差等问题,提出了一种基于特征增强的双重注意力去雾网络。该网络采用编码器-解码器结构,设计了一个双重注意力特征增强模块,其中,利用Ghost模块替代非线性卷积,实现模型轻量化处理,通过RFB充分融合不同尺度的特征,实现均匀去雾,引入双重注意力实现信息跨通道与空间交互,保证模型性能和抑制噪声特征。使用RESIDE数据集对网络进行训练和测试。实验结果表明,所提算法在主观视觉和客观评价指标上均有优异表现,能有效地提升网络的特征提取能力,实现对不同场景雾图的色彩恢复,增强图像的对比度和清晰度。

摘要：针对水下图像颜色失真和细节丢失等问题,提出了一种基于多尺度三重注意力机制的水下图像增强算法。该算法使用生成对抗网络作为基础架构,生成网络采用编码解码结构,并设计一个多尺度三重注意力模块,多尺度结构和三重注意力机制结合可以实现不同层次信息的跨维度交互,使网络更好地学习水下图像特征和抑制噪声特征,判别网络采用类似马尔可夫判别器的结构;构建了多个损失函数,使生成的图像在结构、内容、色彩上和参考图像保持一致。实验结果表明,所提算法在主观视觉和客观评价指标上均优于比较算法,可以有效地提升网络的特征提取能力,实现对不同场景水下图像的色彩恢复,增强图像的对比度和清晰度。