Para resolver o problema da redução da qualidade da imagem nas técnicas existentes de remoção de névoa devido à perda de detalhes e insuficiência de informações globais, foi proposta a rede de remoção de névoa para imagens HEDGR-Net baseada em codificação de características multinível e reconstrução guiada de dupla ramificação. Primeiro, na fase de codificação, foram introduzidas convoluções de aprimoramento estrutural e mecanismo de atenção não local para extrair efetivamente as estruturas-chave e informações contextuais da imagem em diferentes escalas; em seguida, na fase de decodificação, foi projetada uma estrutura de dupla ramificação paralela com decodificação linear e decodificação por upsampling, e foi desenvolvido um módulo de orientação de percepção global para fundir os resultados, extraindo o vetor de estilo global da imagem para reforçar a consistência da reconstrução; por fim, na fase de saída, foi introduzido um módulo de conexão residual reforçado por atenção para fundir ponderadamente as características da fase de decodificação com as características de entrada originais, melhorando ainda mais a qualidade visual das imagens desembaçadas. Além disso, foi adotada uma função de perda composta que combina perda L2, perda SSIM e perda TV para melhorar efetivamente a capacidade de recuperação dos detalhes e a consistência estrutural. No conjunto de dados sintético SOTS-outdoor, PSNR e SSIM atingiram 27,54 dB e 0,9570 respectivamente; no conjunto de dados real com névoa RTTS, BRISQUE e Entropy foram 26,99 e 8,77, respectivamente. Comparado ao algoritmo tradicional AOD-Net, o HEDGR-Net melhorou o PSNR em aproximadamente 21,7%, o SSIM em 5,0%, reduziu o BRISQUE em aproximadamente 19,2% e aumentou o Entropy em 3,9%, mostrando vantagens claras em múltiplos indicadores. O método proposto melhora a capacidade de recuperação de detalhes da imagem e a consistência do brilho geral, melhorando efetivamente os problemas de remoção incompleta de névoa e deslocamento de cor em métodos tradicionais.

Visão computacional;remoção de névoa;fusão de características multinível;estrutura de dupla ramificação;mecanismo de atenção