多尺度CNN与高频信息融合的图像去雾算法

针对现有去雾算法在恢复图像边缘区域效果不佳以及存在薄雾残留等问题，本文提出了一种基于多尺度卷积神经网络(CNN)与高频信息融合的图像去雾算法(HF-MSNet),采用拉普拉斯算子分离高频信息作为额外先验，用于提高图像细节恢复。首先，采用多尺度CNN作为主干网络，提取图像的主要纹理特征；其次，采用高频特征融合分支对高频信息逐阶段地提炼，并融合了通道注意力模块，使用注意力机制对不重要的特征进行约束；最后，采用高频注意力模块对全局特征自适应地筛选，整合高频特征和纹理特征的分布，得到目标的无雾图像。实验结果表明，本文的算法可以生成更自然真实的去雾图像，并在峰值信噪比(PSNR)、结构相似度(SSIM)两种指标上都达到了理想的效果。