لمعالجة مشكلة تدهور جودة الصورة في تقنيات إزالة الضباب الحالية بسبب فقدان التفاصيل ونقص المعلومات الشاملة، تم اقتراح شبكة إزالة الضباب HEDGR-Net التي تعتمد على ترميز ميزات متعددة المستويات وإعادة البناء الموجهة ذات الفرعين. أولاً، في مرحلة الترميز، تم إدخال تدوير تعزيز الهيكل وآلية الانتباه غير المحلية لاستخراج المعلومات الهيكلية والسياقية على مقاييس مختلفة بفعالية؛ ثانياً، في مرحلة فك الترميز، تم تصميم هيكل ذي فرعين يعمل بالتوازي مع فك الترميز الخطي وفك الترميز بالتصعيد، وتم تصميم وحدة التوجيه ذات الإدراك الشامل لدمج النتائج واستخراج متجه النمط الكلي للصورة لتعزيز اتساق إعادة البناء؛ أخيراً، في مرحلة الإخراج، تم إدخال وحدة وصل متبقي معززة بالانتباه لدمج الميزات من مرحلة فك الترميز مع الميزات الأصلية بوزن معين لتحسين جودة الصورة النهائية. بالإضافة إلى ذلك، تم استخدام دالة فقد مركبة تجمع بين فقد L2، فقد SSIM، وفقد TV لتعزيز استعادة التفاصيل واتساق الهيكل. في مجموعة البيانات الاصطناعية SOTS-outdoor، بلغت قيم PSNR و SSIM على التوالي 27.54 ديسيبل و 0.9570؛ في مجموعة البيانات الحقيقية الممطرة RTTS، كانت قيمة BRISQUE و Entropy على التوالي 26.99 و 8.77. مقارنة بالخوارزمية التقليدية AOD-Net، حققت HEDGR-Net زيادة بنحو 21.7% في PSNR، زيادة بنحو 5.0% في SSIM، انخفاض بنحو 19.2% في BRISQUE، وزيادة بنحو 3.9% في Entropy، مما يدل على تفوق واضح في مؤشرات متعددة. الطريقة المقترحة تحسن من استعادة تفاصيل الصورة واتساق الإضاءة العامة، وتعالج بفعالية مشاكل إزالة الضباب غير المكتملة وتحول اللون في الطرق التقليدية.

رؤية الحاسوب;إزالة الضباب من الصور;دمج الميزات متعددة المستويات;هيكل ذو فرعين;آلية الانتباه