Современные исследования алгоритмов удаления тумана из изображений в основном сосредоточены на построении изящных структур нейронных сетей, при этом исследований, использующих диффузионные модели в генеративном подходе к удалению тумана, сравнительно мало, а также немного работ, объединяющих диффузионные модели и частотный анализ. Это приводит к тому, что многие алгоритмы показывают слабые результаты при обработке реальных туманных изображений. В ответ на вышеуказанные проблемы в данной статье предложен метод удаления тумана Firs-Net, основанный на модели диффузии со сплайновым матчингам IR-SDE. Метод использует мощные возможности генерации изображений диффузионной модели, постепенно восстанавливая четкие безтуманные изображения из туманных в итерационном режиме. В Firs-Net введён модуль объединения признаков Фурье, который помогает диффузионной модели лучше анализировать и объединять признаки с точки зрения частотного домена без увеличения количества параметров и без необходимости тонкой настройки нейронной сети. Экспериментальные результаты показывают, что Firs-Net демонстрирует превосходные субъективные визуальные и объективные показатели на реальных туманных наборах данных, при этом PSNR на реальном наборе данных NH-HAZE с неоднородным туманом достигает 21.91, а на наборе Dense-HAZE с плотным туманом – 17.40, что на 13.94% и 5.52% выше, чем у следующего по эффективности метода соответственно.

компьютерное зрение;удаление тумана из изображений;диффузионная модель;фильтр Фурье