多级特征逐步细化及边缘增强的图像去雾.pdfVIP

第 30卷 第 9期 光学 精密工程 Vol.30 No.9 2022年 5月 Optics and PrecisionEngineering May 2022 文章编号 1004-924X（2022）09-1091-10 多级特征逐步细化及边缘增强的图像去雾 1 2* 3 4 2 傅妍芳 ，尹诗白 ，邓 箴 ，王一斌 ，胡殊豪 （1. 西安工业大学 计算机科学与工程学院，陕西 西安710021； 2. 西南财经大学 经济信息工程学院，四川成都 611130； 3. 宁夏大学信息工程学院，宁夏银川 750021； 4. 四川师范大学工学院，四川成都 610101） 摘要：为设计合理有效的神经网络框架，提高去雾算法的精度，保留完整的边缘细节，提出了常微分方程（OrdinaryDif⁃ ferentialEquation，ODE）启发的多级特征逐步细化及边缘增强的去雾算法。利用多级特征提取子网络，从输入雾图中 提取出包含细节信息的低级特征和包含语义信息的高级特征，用于后续去雾结果的逐步细化。受残差网络框架与ODE 求解策略关联性启发，依据两步两阶的蛙跳方法Leapfrog设计出Leapfrog模块，并串联多个Leapfrog模块，模拟ODE离 散的逼近求解过程，构造逐步细化的去雾子网络。此子网络中，每个Leapfrog模块在交替输入的低级/高级特征的互补 信息引导下，不断细化前一个Leapfrog模块估计的去雾结果。受二阶微分算子实施边缘增强的启发，边缘增强子网络利 用预训练的UNet估计最后一个Leapfrog模块的去雾图像边缘，并叠加到此去雾图像上得到增强边缘，保留细节的最终 去雾结果。实验表明，在真实图像及合成图像上，本算法均能取得较好的去雾效果，且在视觉评价和客观评价方面优于 已有的去雾算法，与EAAN相比去雾精度提高了5%，运行时间仅有0.032s，能有效用于图像去雾的工程实践中。 关 键 词：图像去雾；常微分方程；蛙跳法；边缘增强；神经网络 中图分类号：TP391.41 文献标识码：A doi：10.37188/OPE1091 Multi-levelfeaturesprogressiverefinementand edgeenhancementnetworkforimagedehazing 1 2* 3 4 2 FUYangfang ，YIN Shibai ，DENGZhen ，WANGYibin ，HU Shuhao （1.CollegeofComputerScienceandEngineering，Xi′anTechnologicalUniversity， Xi′an 710021，China； 2.CollegeofEconomicInformationEngineering，SouthwesternUniversityofFinanceandEconomics， Chengdu611130，China； 3.CollegeofInformationEngineering，NingxiaUniversity，Yinchuan750021，China； 4.CollegeofEngineering，SichuanNormalUniversity，Chengdu610101，China） * Correspondingauthor，E-mail：shibaiyin@ Abstract：Anordinarydifferentialequation （ODE）-basedmulti