기존 제무 알고리즘 처리 후 이미지의 색상이 탁하고 시각적 충실도가 낮으며 세부 특징이 손실되는 문제를 해결하기 위해 본 논문에서는 다중 스케일 잔차 특징 융합 기반의 이미지 제무 알고리즘을 제안한다. 먼저, 네트워크의 강인성을 향상시키기 위해 다양한 스케일에서 이미지 특징을 추출하는 다중 스케일 병렬 특징층을 설계한다; 다음으로, 여러 컨볼루션 층 간의 정보 전달과 연결을 실현하여 특징 활용도를 높이고 특징 추출 속도를 가속화하는 잔차 네트워크 연결층을 설계한다; 이어서, 이미지의 핵심 정보를 중점적으로 고려하는 주의 메커니즘이 포함된 심층 특징 정보 융합층을 설계하여 이미지 선명도를 효율적으로 높이고 배경 잡음 간섭을 줄인다; 마지막으로, 네트워크 제무 후 이미지 색상 탁함 문제를 해결하기 위해 제무 이론 및 노출 융합 기반 색상 보정 강화 방법을 설계한다. 실험 결과, 제안된 제무 강화 알고리즘은 SOTS, OTS, RTTS 공개 데이터셋에서 피크 신호 대 잡음비(PSNR) 21.37 dB, 구조적 유사성(SSIM) 82%, 평균 제곱 오차(MSE) 473.6을 달성하여 안개 날씨로 인한 이미지 품질 저하 현상을 효과적으로 개선하고 성능이 우수함을 보였다.

이미지 제무; 다중 스케일 컨볼루션; 잔차 연결; 주의 메커니즘; 이미지 융합