基于感知损失和稠密残差双注意力去雾网络

作     者：许光宇 潘月 华健 Xu Guangyu;Pan Yue;Hua Jian

作者机构：安徽理工大学计算机科学与工程学院安徽淮南232001 

出 版 物：《滁州学院学报》 (Journal of Chuzhou University)

年 卷 期：2024年第26卷第2期

页      面：33-40页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金“两类噪声背景下的非局部图像去噪研究”(61471004) 安徽理工大学博士专项基金“非局部图像滤波方法研究”(ZX942) 

主　　题：图像去雾 深度学习 感知损失 注意力机制 

摘      要：针对大雾天气下捕获的图像存在对比度低、缺乏细节和色调偏移等现象,提出一种基于感知损失和稠密残差双注意力去雾网络,即在基于密集特征融合的多尺度增强去雾网络中引入注意力机制,首先在对编码器的Residual Block中加入了通道注意和像素注意机制,形成一个稠密残差双注意力块,并且在解码器部分添加了Eca-Net网络,使整个网络在图像复原过程中关注显著特征,从而提升了模型的细节恢复效果。其次,采用感知损失(L_(VGG))和绝对值误差损失(L1loss)对模型施加约束,以深化模型对图像语义信息的理解,从而提升算法的稳健性和泛化能力。在RESIDE数据集和真实雾图上实验证明,从客观和主观层面,和所选的MSBDN-DFF方法相比,都取得了更好的去雾性能。