Um Probleme mit blassen Farben, schlechter visueller Treue und Detailsverlust bei Bildern nach der Verarbeitung durch bestehende Entnebelungsalgorithmen zu lösen, wird in diesem Artikel ein Bild-Entnebelungsalgorithmus basierend auf der Fusion multiskaliger Residualmerkmale vorgeschlagen. Zuerst wird eine multiskalige parallele Merkmalsebene entworfen, um Bildmerkmale auf verschiedenen Skalen zu extrahieren und die Robustheit des Netzwerks zu verbessern; dann wird eine Residualnetz-Verbindungsschicht entworfen, um die Übertragung und Verbindung von Informationen zwischen mehreren Faltungsschichten zu realisieren, die Merkmalsnutzung zu verbessern und die Extraktionsgeschwindigkeit zu erhöhen; anschließend wird eine tiefe Merkmalsinformations-Fusionsschicht mit integriertem Aufmerksamkeitsmechanismus entworfen, die sich auf die Schlüsselinformationen des Bildes konzentriert, die Bildschärfe effektiv verbessert und Hintergrundrauschen verringert; schließlich wird eine auf Entnebelungstheorie und Belichtungsfusion basierende Farbkorrektur- und Verstärkungsmethode entwickelt, um das Problem der blassen Farben nach der Entnebelung durch das Netzwerk zu lösen. Experimentelle Ergebnisse zeigen, dass der vorgeschlagene verbesserte Entnebelungsalgorithmus auf den öffentlichen Datensätzen SOTS, OTS und RTTS Spitzenwerte bei PSNR (21,37 dB), SSIM (82 %) und MSE (473,6) erreicht und die Qualitätsverschlechterung von Bildern durch nebliges Wetter effektiv verbessert, mit besserer Leistung.

Bildentnebelung; multiskalige Faltung; Residualverbindung; Aufmerksamkeitsmechanismus; Bildfusion