기존 안개 제거 기술이 안개 이미지 처리 시 세부 특징 손실 및 전역 정보 부족으로 인해 이미지 품질이 저하되는 문제를 해결하기 위해 다단계 특징 인코딩 및 이중 분기 안내 재구성을 기반으로 한 이미지 안개 제거 네트워크 HEDGR-Net을 제안한다. 먼저 인코딩 단계에서는 구조 강화 컨볼루션과 비국소 주의 메커니즘을 도입하여 다양한 규모에서 이미지의 핵심 구조와 문맥 정보를 효과적으로 추출한다. 다음으로 디코딩 단계에서는 선형 디코딩 및 업샘플링 디코딩 병렬 이중 분기 구조를 설계하고, 전역 인지 안내 모듈을 통해 결과를 융합하여 이미지 전체 스타일 벡터를 추출해 재구성 일관성을 강화한다. 마지막으로 출력 단계에서는 주의 강화 잔차 연결 모듈을 도입하여 디코딩 단계 특징과 원본 입력 특징을 가중치로 융합해 안개 제거 이미지의 시각적 품질을 향상시킨다. 또한 L2 손실, SSIM 손실 및 TV 손실을 결합한 복합 손실 함수를 채택해 이미지 세부 복원 능력과 구조 일관성을 효과적으로 향상시켰다. 합성 객관 데이터셋 SOTS-outdoor에서 PSNR과 SSIM은 각각 27.54 dB와 0.9570에 도달했으며, 실제 안개 데이터셋 RTTS에서는 BRISQUE와 Entropy가 각각 26.99와 8.77이다. 기존 알고리즘 AOD-Net과 비교할 때 HEDGR-Net은 PSNR에서 약 21.7%, SSIM에서 약 5.0% 향상되었고, BRISQUE는 약 19.2% 감소, Entropy는 약 3.9% 증가하여 여러 지표에서 뚜렷한 우위를 보였다. 제안된 방법은 이미지 세부 복원 능력 및 전체 밝기 일관성을 향상시켜 전통적인 안개 제거 방법의 불완전한 제거 및 색상 왜곡 문제를 효과적으로 개선한다.

컴퓨터 비전;이미지 안개 제거;다단계 특징 융합;이중 분기 구조;주의 메커니즘