現在、霧除去分野ではデータ駆動型の深層学習手法に事前情報を導入する研究はほとんどなく、ほとんどの深層学習ベースの霧除去ネットワークはコンピュータのメモリおよび計算能力に高い要求を持っている。これらの問題を解決するために、本研究では高周波情報を整列させたマルチスケール融合霧除去ネットワーク（HFMS-Net）を提案する。ネットワークフレームワークは循環モードを採用している。ジェネレーターに対しては、軽量な畳み込みニューラルネットワークの異なる深さに残差接続を導入し、中間層の特徴を十分に活用してマルチスケール特徴融合を実現する。判別器に対しては、入力からテクスチャ情報を抽出し、霧除去画像と霧画像間の高周波情報を近似することで、データ駆動型ネットワークをより物理的に解釈可能にしている。PFDNと比較して、HFMS-Netは同じ設定で約1/5のメモリ使用量で優れた性能を達成し、PSNRおよびSSIMがそれぞれ0.71、0.016向上した。多数の比較実験およびアブレーション実験により、本ネットワークの霧除去性能が既存のアルゴリズムより向上し、テクスチャ情報の忠実度が高いことが証明された。

マルチスケール融合;高周波情報整列;生成対抗ネットワーク