既存の去霧技術は、霧のある画像を処理する際にディテール特徴の喪失やグローバル情報の不足により画像品質が低下する問題がある。本研究では、多段階特徴エンコーディングと二重分岐によるガイド付き再構成に基づく画像去霧ネットワークHEDGR-Netを提案する。まず、エンコーディング段階で構造強化畳み込みおよび非局所注意メカニズムを導入し、異なるスケールの画像中の重要な構造およびコンテキスト情報を効果的に抽出する。次に、デコーディング段階では線形デコーディングとアップサンプリングデコーディングの並列二重分岐構造を設計し、全体認識誘導モジュールにより結果を融合し、画像の全体スタイルベクトルを抽出して再構成の一貫性を強化する。最後に、出力段階に注意強化残差接続モジュールを導入し、デコーディング段階の特徴と元の入力特徴を加重融合して去霧画像の視覚品質をさらに向上させる。さらに、L2損失、SSIM損失、TV損失を組み合わせた複合損失関数を採用し、画像の細部復元能力と構造の一貫性を効果的に向上させた。合成客観データセットSOTS-outdoorでは、PSNRとSSIMがそれぞれ27.54 dBと0.9570に達し、実際の霧画像データセットRTTSではBRISQUEとEntropyがそれぞれ26.99と8.77であった。従来のアルゴリズムAOD-Netと比較して、HEDGR-NetはPSNRが約21.7%、SSIMが約5.0%、BRISQUEが約19.2%低下、Entropyが約3.9%上昇し、複数の指標において明確な優位性を示した。提案手法は画像の細部復元能力と全体的な輝度一貫性を向上させ、従来の去霧手法における不完全な去霧や色ずれの問題を効果的に改善する。

コンピュータビジョン;画像去霧;多段階特徴融合;二重分岐構造;注意メカニズム