【儀表網(wǎng) 儀表研發(fā)】圖像去霧是圖像處理經典問題之一，旨在從給定的模糊圖像中精確恢復清晰圖像。中國科學院計算機網(wǎng)絡信息中心大數(shù)據(jù)部外籍博士后Farah Deeba和博士生Fayaz A. Dharejo對深度學習在低級計算機視覺任務圖像去霧中的應用開展研究，相關成果以A novel image dehazing framework for robust vision-based intelligent systems為題，發(fā)表在International Journal of Intelligent Systems上。
 

　　該研究提出一種漸進式兩階段圖像去霧網(wǎng)絡框架來克服當前圖像去霧算法的挑戰(zhàn)。該框架分為兩步：第一階段是提取編碼器和解碼器結構的多尺度圖像特征。第二階段是顏色校正模型(CCM)，負責檢索接近地面實況的平衡顏色。其中，編碼-解碼器網(wǎng)絡由密集殘差注意力單元(DRAU)組成，該單元包含具有像素注意力機制的通道注意力。加權信息和霧度差異在沒有DRAU的情況下在各種通道的特征不一致。DRAU對這些不同的特征和像素進行不均等地處理，為處理各種類型的詳細信息的知識方面提供了更多通用性。
 

　　在SOTS室內和室外測試數(shù)據(jù)集上，研究使用最佳發(fā)布的峰值信噪比指標33.55–33.44 dB和SSIM 0.9619–0.9714對結果進行測試，結果表明研究提出的兩階段網(wǎng)絡在視覺和定量方面均超過了目前最先進的算法。