현재 안개 제거 분야에서는 데이터 기반 딥러닝 방법에 사전 정보를 도입한 작업이 드물며, 대부분의 딥러닝 기반 안개 제거 네트워크는 컴퓨터 메모리와 연산 능력에 대한 요구가 높은 편이다. 이를 해결하기 위해 본 논문에서는 고주파 정보 정렬 다중 스케일 융합 안개 제거 네트워크(HFMS-Net)를 제안한다. 네트워크 프레임워크는 순환 방식을 채택한다: 생성기의 경우 경량 합성곱 신경망의 다양한 깊이에서 잔차 연결을 도입하여 네트워크 중간 계층의 특징을 충분히 활용하고 다중 스케일 특징 융합을 실현한다; 판별기의 경우 입력에서 텍스처 정보를 추출하여 안개 제거 이미지와 안개 이미지 간의 고주파 정보를 근사시켜 데이터 기반 네트워크를 물리적으로 더 해석 가능하게 만든다. PFDN과 비교할 때 HFMS-Net은 동일한 설정에서 약 1/5의 메모리 사용량으로 더 우수한 성능을 달성했으며, PSNR과 SSIM은 각각 0.71, 0.016 향상되었다. 다수의 비교 실험 및 소거 실험을 통해 본 네트워크의 안개 제거 성능이 기존 알고리즘 대비 향상되었고 텍스처 정보 보존도가 더 높음을 입증했다.

다중 스케일 융합;고주파 정보 정렬;생성적 적대 신경망