Pour répondre aux problèmes de perte de détails et d’insuffisance d’informations globales entraînant une baisse de la qualité des images dans les techniques actuelles de désembuage, un réseau de désembuage d’images HEDGR-Net basé sur un codage multi-niveaux des caractéristiques et une reconstruction guidée à double branche est proposé. Tout d’abord, durant la phase de codage, des convolutions à renforcement structurel et un mécanisme d’attention non local sont introduits pour extraire efficacement les structures clés et les informations contextuelles à différentes échelles ; ensuite, lors de la phase de décodage, une double branche combinant un décodage linéaire et un décodage par suréchantillonnage est conçue, accompagnée d’un module de guidage à perception globale pour fusionner les résultats et extraire un vecteur de style global afin d’améliorer la cohérence de la reconstruction ; enfin, à la phase de sortie, un module de connexion résiduelle à renforcement d’attention fusionne pondérément les caractéristiques du décodage avec celles de l’entrée originale, améliorant ainsi la qualité visuelle des images désembuées. De plus, une fonction de perte composite combinant perte L2, SSIM et TV est utilisée pour renforcer la capacité de restauration des détails et la cohérence structurelle. Sur le jeu de données synthétique SOTS-outdoor, PSNR et SSIM atteignent respectivement 27,54 dB et 0,9570 ; sur le jeu de données réel RTTS, BRISQUE et Entropy sont respectivement de 26,99 et 8,77. Comparé à l’algorithme traditionnel AOD-Net, HEDGR-Net améliore le PSNR d’environ 21,7 %, le SSIM de 5,0 %, réduit le BRISQUE d’environ 19,2 %, et augmente l’Entropy de 3,9 %, démontrant des avantages significatifs sur plusieurs indicateurs. La méthode proposée améliore la restauration des détails et la cohérence lumineuse globale de l’image, corrigeant efficacement les problèmes d’imperfections et de décalage de couleur des méthodes traditionnelles de désembuage.

Vision par ordinateur;Désembuage d’image;Fusion multi-niveaux des caractéristiques;Structure à double branche;Mécanisme d’attention