计算机工程与科学

作者：王燕, 刘晶晶, 胡津源, 陈燕燕

单位：兰州理工大学计算机与通信学院，甘肃 兰州 730050）

关键词：图像去雾,深度学习,双分支特征融合,细节补偿,Transformer架构,

基金：国家自然科学基金（62266030）

目前，基于深度学习的图像去雾算法难以同时提取图像的全局特征和局部特征，导致复原后的图像细节信息丢失，存在颜色失真现象。针对这一问题，提出一种基于Transformer的逐像素细节补偿去雾网络，主要由基于Transformer的编码器-解码器和CNN分支构成。输入有雾图像，通过编码器进行全局特征提取，编码器中的Transformer由通道自注意力块CAB、压缩注意力块CANB和双分支自适应块DANB组成，其中CANB通过特征聚合、注意力计算和特征恢复捕获图像超像素全局依赖性，DANB采用双分支结构将超像素全局依赖性封装到单个像素中，得到全局特征信息；同时，CNN分支中的空间注意力能够提高网络对不同雾度的感知能力，进行局部特征提取；最后，在解码器部分将编码器和CNN分支提取到的特征进行融合，输出清晰图像。实验结果表明，提出的网络在合成数据集RESIDE和真实数据集O-HAZE与NH-HAZE上均表现突出，能够有效解决细节特征丢失和颜色失真问题。

来源：2025年第9期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第9期