文章详情

摘要

针对交通图像去雾后容易出现细节信息丢失、图像清晰度降低等问题，提出了一种改进的AOD-Net算法。针对特征提取深度不足导致信息丢失的问题，设计了级联卷积网络，以更准确地识别和提取图像中的细粒度特征；同时，为解决AOD-Net算法未充分考虑特征权重、易导致信息冗余的问题，引入自适应权重分配机制，根据不同信息的重要性进行动态调整，从而避免细节信息的丢失。此外，通过引入Smooth L1损失函数优化模型，提升了去雾后图像的清晰度。实验在公开数据集RESIDE上进行，结果表明，与基线模型相比，改进算法的峰值信噪比（PSNR）提升了0.52 dB，结构相似性（SSIM）提升了0.0868，信息熵提升了0.76。去雾后的图像更加清晰，有效提升了图像质量。与其他算法相比，该方法在处理交通场景图像时表现出显著优势。

关键词

图像去雾；AOD-Net算法；级联卷积；注意力机制

参考文献

1. [1] SONG Y D，HE Z Q，QIAN H，et al. Vision Transformers for Single Image Dehazing [J].IEEE Transactions on Image Processing，2022：1927-1941.
2. [2] 毛德乾，高珊珊，吕海霞，等.基于局部Transformer的多尺度图像去雾网络 [J/OL].计算机辅助设计与图形学学报，2025：1-14.[2025-04-16].http://kns.cnki.net/kcms/detail/11.2925.TP.20240204.1554.047.html.
3. [3] LIU F L. An Overview of Image Enhancement Dehazing Algorithms [C]//The 3rd International Conference on Signal Processing and Machine Learning（CONF-SPML 2023）.Oxford：[sn]，2023：469-473.
4. [4] WANG B，HU L，WEI B W，et al. Nighttime Image Dehazing Using Color Cast Removal and Dual Path Multi-Scale Fusion Strategy [J].Frontiers of Computer Science，2022，16（4）：164706.
5. [5] 郑凤仙，王夏黎，何丹丹，等.单幅图像去雾算法研究综述 [J].计算机工程与应用，2022，58（3）：1-14.
6. [6] FU M H，LIU H，YU Y K，et al. DW-GAN: A Discrete Wavelet Transform GAN for NonHomogeneous Dehazing [C]//2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops （CVPRW）.Nashville：IEEE，2021：203-212.
7. [7] LI T Y，RONG S H，ZHAO W F，et al. Underwater Image Enhancement Using Adaptive Color Restoration and Dehazing [J].Optics Express，2022，30（4）：6216-6235.
8. [8] HE K M，SUN J，TANG X O. Single Image Haze Removal Using Dark Channel Prior [J].IEEE Trans on Pattern Analysis and Machine Intelligence，2011，33（12）：2341-2353.
9. [9] ZHU Q S，MAI J M，SHAO L. A fast Single Image Haze Removal Algorithm Using Color Attenuation Prior [J].IEEE Trans on Image Processing，2015，24（11）：3522-3533.
10. [10] 胡梦婷，范涛，王国中.一种自适应多态特征融合的交通图像去雾算法 [J].计算机应用研究，2023，40（7）：2210-2216.
11. [11] 曾莹，刘鑫，陈纪友，等.基于增强多尺度生成对抗网络的单幅图像去雾 [J].小型微型计算机系统，2023，44（2）：370-375.
12. [12] 刘哲，梁宇栋，李嘉莹.基于动态卷积核的自适应图像去雾算法 [J].计算机科学，2023，50（6）：200-208.
13. [13] CAI B L，XU X M，JIA K，et al. Dehaze Net: An End-to-End System for Single Image Haze Removal [J].IEEE Trans on Image Processing，2016，25（11）：5187-5198.
14. [14] REN W Q，PAN J S，ZHANG H，et al. Single Image Dehazing Via Multi-Scale Convolutional Neural Networks With Holistic Edges [J].International Journal of Computer Vision，2020，128（1）：240-259.
15. [15] CHEN D D，HE M M，FAN Q N，et al. Gated Context Aggregation Network for Image Dehazing and Deraining [C]//2019 IEEE Winter Conference on Applications of Computer Vision（WACV）.Waikoloa：IEEE，2019：1375-1383.
16. [16] LI B Y，PENG X L，WANG Z Y，et al. AOD-NeT: All-in-One Dehazing Network [J].2017 IEEE International Conference on Computer Vision.Venice：IEEE，2017，2017：4780-4788.
17. [17] Qin X，WANG Z L，BAI Y C，et al. FFA-Net: Feature Fusion Attention Network for Single Image Dehazing [J/OL].[2024-10-28].arXiv:1911.07559 [cs.CV].https://arxiv.org/abs/1911.07559.
18. [18] 张骞，陈紫强，姜弘岳，等.改进AOD-Net的轻量级图像去雾算法 [J].实验室研究与探索，2022，41（7）：18-22.

作者简介

宋宇博（1977—），男，汉族，辽宁阜新人，副教授，博士，研究方向：机器视觉、图像处理、自动化设备智能控制；李紫玄（2000—），女，汉族，河北保定人，硕士研究生在读，研究方向：图像处理、目标检测；李祯（1998—），男，汉族，湖北武汉人，硕士研究生在读，研究方向：红外图像处理、深度学习算法改进。