文档名：基于注意力与多尺度分组并联网络的去雾算法
摘要：针对雾天图像质量受损与对比度下降等问题,提出一种基于注意力与多尺度分组并联卷积神经网络(CNN)的去雾算法.首先,对大气散射模型进行变换,便于透射率和大气光的集中学习,从而避免分别学习引入的误差放大问题;然后,建立一种结合通道注意力机制与分组并联CNN模型,以训练透射率和大气光构成的新变量,其中,利用多尺度卷积结构可以提取雾图更加丰富的多层次特征;同时,为了防止图像信息丢失和梯度消失等问题,分别在并联层引入残差结构,使得训练结果包含更多的内容信息和纹理结构;最后,结合改进的复原模型得到清晰图像.实验表明:所提网络模型对于合成雾图和真实雾图均有理想的去雾效果,在客观评价中也取得了满意的结果.
作者：张浩文 杨燕 张金龙 王志伟 Author：ZHANGHaowen YANGYan ZHANGJinlong WANGZhiwei
作者单位：兰州交通大学电子与信息工程学院,甘肃兰州730070国网甘肃省电力公司兰州供电公司,甘肃兰州730050
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(10)
分类号：TP391.41
关键词：图像去雾 注意力机制 分组卷积 多尺度提取 联合学习
Keywords：imagedehazing attentionmechanism groupingconvolution multi-scaleextraction jointlearning
机标分类号：TP391TD724TN911.3
在线出版日期：2023年11月6日
基金项目：甘肃省高等学校产业支撑引导项目，甘肃省优秀研究生创新之星项目基于注意力与多尺度分组并联网络的去雾算法[
期刊论文] 传感器与微系统--2023, 42(10)张浩文 杨燕 张金龙 王志伟针对雾天图像质量受损与对比度下降等问题,提出一种基于注意力与多尺度分组并联卷积神经网络(CNN)的去雾算法.首先,对大气散射模型进行变换,便于透射率和大气光的集中学习,从而避免分别学习引入的误差放大问题;然后,建立...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于注意力与多尺度分组并联网络的去雾算法 Dehazing algorithm based on attention and multi-scale grouping parallel network
基于注意力与多尺度分组并联网络的去雾算法.pdf
- 文件大小:
- 3.36 MB
- 下载次数:
- 60
-
高速下载
|
