圖像去霧是經(jīng)典的圖像處理問題之一,專注于從給定的模糊圖像中精確恢復(fù)清晰圖像。大數(shù)據(jù)部外籍博士后Farah Deeba和博士生Fayaz A. Dharejo研究了深度學(xué)習(xí)在低級(jí)計(jì)算機(jī)視覺任務(wù)圖像去霧中的應(yīng)用,研究成果A novel image dehazing framework for robust vision-based intelligent systems發(fā)表在International Journal of Intelligent Systems上。
該研究主要提出了一種漸進(jìn)式兩階段圖像去霧網(wǎng)絡(luò)框架來克服當(dāng)前圖像去霧算法的挑戰(zhàn)。該框架分為兩步:第一階段是提取編碼器和解碼器結(jié)構(gòu)的多尺度圖像特征。第二階段是顏色校正模型 (CCM),負(fù)責(zé)檢索接近地面實(shí)況的平衡顏色。其中編碼-解碼器網(wǎng)絡(luò)由密集殘差注意力單元 (DRAU) 組成,該單元包含具有像素注意力機(jī)制的通道注意力。加權(quán)信息和霧度差異在沒有 DRAU 的情況下在各種通道的特征上不一致。DRAU 對(duì)這些不同的特征和像素進(jìn)行不均等地處理,為處理各種類型的詳細(xì)信息的知識(shí)方面提供了更多的通用性。
在 SOTS 室內(nèi)和室外測(cè)試數(shù)據(jù)集上,使用最佳發(fā)布的峰值信噪比指標(biāo) 33.55–33.44 dB 和 SSIM 0.9619–0.9714 對(duì)結(jié)果進(jìn)行了測(cè)試,結(jié)果表明所提出的兩階段網(wǎng)絡(luò)在視覺和定量方面都超過了目前最先進(jìn)的算法。(撰稿:趙江華)

圖1 兩步驟整體網(wǎng)絡(luò)架構(gòu)圖

圖2 特征注意力模塊圖