Существующие методы удаления тумана страдают от ухудшения качества изображения из-за потери деталей и недостатка глобальной информации. В работе предложена сеть удаления тумана HEDGR-Net, основанная на многоуровневом кодировании признаков и двуветвевой направленной реконструкции. Во-первых, на этапе кодирования используются сверточные слои с усилением структуры и механизм нелокального внимания для эффективного извлечения ключевых структур и контекста на различных масштабах; далее, на этапе декодирования применена двуветвивая структура с параллельным линейным декодированием и апсемплинг-декодированием, а также модуль глобального восприятия для объединения результатов и извлечения вектора общего стиля изображения для усиления согласованности реконструкции; наконец, на выходе введён модуль остаточного соединения с усилением внимания, который взвешенно объединяет признаки декодирования с исходными признаками, что улучшает визуальное качество изображений без тумана. Кроме того, используется сложная функция потерь, сочетающая L2, SSIM и TV потери, что эффективно повышает способность восстановления деталей и структурную согласованность. На синтетическом датасете SOTS-outdoor PSNR и SSIM достигли 27.54 dB и 0.9570 соответственно; на реальном наборе данных RTTS - BRISQUE и Entropy составили 26.99 и 8.77. По сравнению с традиционным алгоритмом AOD-Net, HEDGR-Net улучшил PSNR примерно на 21.7%, SSIM на 5.0%, снижает BRISQUE на 19.2%, увеличивает Entropy на 3.9%, демонстрируя явные преимущества по многим метрикам. Предложенный метод улучшает восстановление деталей изображения и согласованность общего освещения, эффективно решая проблемы неполного удаления тумана и цветовых сдвигов в традиционных методах.

Компьютерное зрение;Удаление тумана с изображений;Многоуровневое слияние признаков;Двуветвивая структура;Механизм внимания