基于感知监督和多层次特征融合的去雾算法

现有图像去雾方法在网络训练时没有考虑去雾后的图像是否满足人类视觉感知；其次以编解码结构为主要结构的去雾网络，不可避免丢失细节信息，去雾后的图像存在纹理模糊、颜色失真等问题。针对上述问题，提出了一个基于感知监督和多层次特征融合的图像去雾网络。在网络结构中设计了不同层次的特征融合模块。在编码阶段设计分辨率层次特征复用与融合模块，更好地提取不同尺度下表达能力更强的特征，为重建高质量图像提供更多细节信息；特征转换阶段设计空间上下文层次特征提取与融合模块，提取与融合不同感受野的空间上下文的特征，以提供更加精准的图像结构信息；解码阶段设计自适应特征融合模块，自适应地融合下采样阶段生成的不同分辨率层次的特征及特征转换阶段输出的不同空间上下文层次的特征；其次在训练阶段的损失函数中引入感知损失和多尺度结构相似度损失，引导网络学习更多的视觉感知属性。与当前主流方法相比较，该方法在定量和定性指标得到明显提升的同时提高了对去雾图像的视觉效果。实验结果表明在RESIDE合成数据集以及真实有雾图像上取得显著的去雾效果。