摘要:现有的去雾方法难以在复原图像细节的同时保持全局信息。为了解决此问题,文中提出了一种基于渐进式多尺度变压器(多尺度渐进式变压器,MSP-Transformer)的图像去雾算法。该模型能够有效提取和利用不同尺度的雾相关特征,实现了特征和图像的多尺度学习和融合,渐进式地从有雾图像中复原清晰图像。所提出的MSP变压器分为编码、解码和复原三个阶段。在编码阶段,利用基于变压器模块的编码器将输入图像分解为不同尺度的雾图像特征,以全面表征真实有雾图像的信息损失。在解码阶段,考虑到有雾图像的不同区域存在不同尺度的信息丢失,设计了一个包含多尺度注意力机制的特征聚合模块,利用通道注意力和多尺度空间注意力来融合不同尺度的特征信息。复原阶段包含了复原模块和融合模块,首先基于多尺度特征融合的复原模块聚合不同尺度的雾相关特征以增加不同尺度特征的联系,并在每个尺度复原出清晰的无雾图像,然后将每个尺度的复原图像送入融合模块以获得最终的去雾结果。定性和定量的实验结果表明,所提出的MSP变压器在真实图像和合成数据集上能够实现雾的有效去除,具有良好的鲁棒性。在公开的住宅11种去雾方法进行定量和定性比较,MSP变压器路径PSNR(39.53db)和SSIM(0.9954),并获得了良好的视觉效果。此外,消融实验也证明了MSP变压器中所提出的模块的有效性。
中图分类号:
周宇, 陈志华, 盛斌, 梁磊.基于渐进式多尺度变压器的图像去雾算法[J] ●●●●。计算机科学, 2024, 51(5): 117-124. https://doi.org/10.11896/jsjkx.230300049
周瑜、陈志华、盛斌、梁磊。用于图像去叠的多尺度累进变换器[J] ●●●●。计算机科学,2024,51(5):117-124。https://doi.org/10.11896/jsjkx.230300049