현재 이미지 디헤이징 알고리즘 연구는 주로 정교한 구조의 신경망 구축에 집중되어 있으며, 확산 모델을 생성적 방법으로 활용한 이미지 디헤이징 연구는 비교적 부족하며, 확산 모델과 주파수 영역 분석을 결합한 연구도 상대적으로 적어 많은 알고리즘이 실제 안개 낀 이미지에 대해 디헤이징 성능이 좋지 못한 문제가 있습니다. 이러한 문제를 해결하기 위해 본 논문에서는 분수 매칭 확산 모델 IR-SDE를 기반으로 한 이미지 디헤이징 방법 Firs-Net을 제안합니다. 이 방법은 확산 모델의 강력한 이미지 생성 능력을 활용하여 반복적인 방식으로 안개 낀 이미지에서 점차적으로 선명하고 안개 없는 이미지를 복원합니다. Firs-Net에는 파라미터 수 증가나 신경망의 미세 조정 없이도 확산 모델이 주파수 영역 관점에서 특징을 더 잘 분석하고 융합할 수 있도록 돕는 푸리에 특징 융합 모듈이 도입되었습니다. 실험 결과 Firs-Net은 실제 안개 데이터셋에서 주관적 시각 및 객관적 지표 양측면에서 우수한 성능을 보였으며, 실제 불균일 안개 데이터셋 NH-HAZE에서 PSNR이 21.91, 실제 짙은 안개 데이터셋 Dense-HAZE에서 PSNR이 17.40으로 각각 차선 방법보다 13.94% 및 5.52% 앞섰습니다.

컴퓨터 비전;이미지 디헤이징;확산 모델;푸리에 필터