文件大小：1.36M
摘要：现有去雾网络对低光照雾霾图像的特征提取和色偏约束能力有限，导致复原图像出现细节丢失和色彩失真的问题。针对上述问题，提出一种联合颜色融合与特征增强的低光图像去雾网络FCformer。首先，为了恢复图像结构和纹理细节，构建了包含窗口空间特征增强和稀疏通道特征增强等模块的特征增强主干网络，分别从空间和通道两个维度自适应地关注局部和全局重要特征；其次，设计了包含色彩校正和色彩融合等模块的颜色融合支路，增强网络对颜色特征的表示能力；同时，在主干网络末端引入一个可学习的先验约束模块，利用大气散射模型和Retinex模型，对解码输出结果进行约束；最后，设计了一种包括重建损失、感知损失和色彩损失的复合损失函数，引导网络更好地复原图像的细节和颜色。实验结果表明，在参数量相当时，FCformer的PSNR优于Dehazeformer达0.98dB，而在PSNR相当时，其参数量较ACANet降低了96.84%，综合去雾性能更优，色彩更加真实。
文章目录
1 引 言
2 联合颜色融合与特征增强的低光图像去雾网络总体架构
2.1 特征增强主干网络
2.1.1 WSFEformer模块
2.1.2 SCFEformer模块
2.1.3 双分支前馈模块
2.2 颜色融合支路
2.3 先验约束模块
2.4 复合损失函数
2.4.1 重建损失
2.4.2 感知损失
2.4.3 色彩损失
3 实验结果与分析
3.1 对比实验
3.2 消融实验
4 结束语
