Para abordar el problema de la disminución de la calidad de la imagen causada por la pérdida de detalles y la insuficiencia de información global en las técnicas existentes de eliminación de niebla, se propone una red de eliminación de niebla de imágenes HEDGR-Net basada en codificación de características multinivel y reconstrucción guiada de doble rama. Primero, en la etapa de codificación, se introducen convoluciones de realce estructural y un mecanismo de atención no local para extraer eficazmente las estructuras clave y la información contextual a diferentes escalas; segundo, en la etapa de decodificación, se diseña una estructura de doble rama con decodificación lineal y de sobremuestreo en paralelo, y se diseña un módulo de guía de percepción global para fusionar los resultados, extrayendo un vector de estilo global para mejorar la coherencia de la reconstrucción; finalmente, en la etapa de salida, se introduce un módulo de conexión residual mejorado con atención que fusiona ponderadamente las características de la etapa de decodificación con las características de entrada originales para mejorar aún más la calidad visual de la imagen sin niebla. Además, se utiliza una función de pérdida compuesta que combina pérdida L2, pérdida SSIM y pérdida TV para mejorar efectivamente la capacidad de recuperación de detalles y la coherencia estructural. En el conjunto de datos sintético SOTS-outdoor, el PSNR y el SSIM alcanzaron 27.54 dB y 0.9570 respectivamente; en el conjunto de datos real con niebla RTTS, BRISQUE y Entropy fueron 26.99 y 8.77 respectivamente. En comparación con el algoritmo tradicional AOD-Net, HEDGR-Net aumentó aproximadamente un 21.7% en PSNR, un 5.0% en SSIM, redujo un 19.2% en BRISQUE y aumentó un 3.9% en Entropy, mostrando evidentes ventajas en múltiples métricas. El método propuesto mejora la capacidad de recuperación de detalles de la imagen y la coherencia de la iluminación general, solucionando efectivamente problemas de eliminación de niebla incompleta y desplazamiento de color en métodos tradicionales.

Visión por computadora;Eliminación de niebla;Fusión de características multinivel;Estructura de doble rama;Mecanismo de atención