基于多重迁移注意力的增量式图像去雾算法

作     者：韦金阳 王科平 杨艺 费树岷 Wei Jinyang;Wang Keping;Yang Yi;Fei Shumin

作者机构：郑州恒达智控科技股份有限公司河南郑州450000 河南理工大学电气工程与自动化学院河南焦作454003 东南大学自动化学院江苏南京210096 

出 版 物：《系统仿真学报》 (Journal of System Simulation)

年 卷 期：2024年第36卷第4期

页      面：969-980页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：河南省科技攻关(232102210040) 

主　　题：深度学习 图像去雾 迁移注意力 增量式训练 

摘      要：为提高深度神经网络去雾算法对增补数据集的处理能力,并使网络差异化处理重要程度不同的图像特征以提高网络去雾能力,提出一种基于多重迁移注意力的增量式去雾算法。通过自编码器形式的教师注意力生成网络提取标签和雾霾的多重注意力,作为特征迁移媒介网络的标签约束网络训练,形成与教师注意力尽可能相近的迁移媒介注意力,并将其融入学生去雾网络的特征中,提高学生去雾网络的去雾能力;通过增量式训练方法提高学生去雾网络对增补数据集的处理能力。结果表明:所提算法对ITS、OTS以及真实雾图上皆具有较好的处理能力,在保证去雾图像像素结构完整、颜色不失真的同时具有较好的去雾效果,算法处理后的图像在主观视觉效果和客观评价指标上皆优于对比算法。