<div>
	基于空间通道Transformer的双分支网络图像去雾方法
</div>

doi:10.15966/j.cnki.dnydx.2022.10.019

全文: PDF( KB)
输出: BibTeX | EndNote (RIS)

摘要

近年来，雾霾天气下对采集的图像和视频去雾需求显著提高，已有的一些物理模型和深度学习去雾方法只估计

了较为粗糙的透射率图，并由于估计大气光的系统误差导致图像存在对比度下降、细节缺失等问题。为应对当前问题，提出基

于空间通道自注意力网络(Space-Channel Transformer) 的双分支图像去雾方法。主干网络设计为编码器-解码器(Encoder

Decoder) 结构的端到端(End-to-End) 网络，通过PoolFormer 提取特征，使用跳跃连接增添全局信息，进行实例归一化加快模型

收敛速度并增加了亮减暗通道的多尺度图像输入和余弦相似性(Cosine Similarity)损失函数。分支网络进行无监督训练，输出

双线性插值的暗通道透射图，增加暗通道损失函数，减少像素级细节损失。在Reside室内数据集中，峰值信噪比(PSNR) 达到

31.6305dB，结构相似性(SSIM) 达到0.9715。实验结果表明，相较于对比算法，所提方法对解决对比度下降、细节缺失等问题有

较好效果，提高了分辨率，去雾效果更优。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	（）
	作者相关文章

关键词 ：

图像去雾, 卷积神经网络, Transformer, 无监督训练, 损失函数

年卷期日期: 2022-10-01 出版日期: 2023-08-22

引用本文:

张望.

基于空间通道Transformer的双分支网络图像去雾方法

[J]. 电脑与电信, 2022, 1(10): 82-89.
ZHANG Wang.

A Two-branch Network Image Dehazing Method Based on Space-channel Transformer

. Computer & Telecommunication, 2022, 1(10): 82-89.

链接本文:

https://www.computertelecom.com.cn/CN/10.15966/j.cnki.dnydx.2022.10.019 或 https://www.computertelecom.com.cn/CN/Y2022/V1/I10/82

[1]	李春辉王小英张庆洁刘翰卓梁嘉烨高宁康. 基于多尺度卷积神经网络的DDoS攻击检测方法[J]. 电脑与电信, 2024, 1(6): 35-.
[2]	周锐　刘海军　邢丽莉　崔春杰　王高远. 基于卷积神经网络的儿童自闭症面部特征分类[J]. 电脑与电信, 2024, 1(5): 38-.
[3]	任豪. 结合注意力特征融合的八度卷积表情识别方法[J]. 电脑与电信, 2024, 1(5): 71-.
[4]	王瑾　王睿. 基于多尺度特征深度学习的人脸表情识别算法[J]. 电脑与电信, 2024, 1(5): 75-.
[5]	张小雪黄巍. 基于卷积神经网络的交通标志识别算法 [J]. 电脑与电信, 2022, 1(7): 1-.
[6]	刘逸琛. 基于变分自编码器的商品文本分类算法设计 [J]. 电脑与电信, 2022, 1(6): 37-.
[7]	王鹏程苏一水王茂发. 基于神经网络的面包智能溯源系统 [J]. 电脑与电信, 2022, 1(5): 19-.
[8]	贾亮徐善博邢轶博. 基于FPGA的卷积神经网络图像识别算法研究 [J]. 电脑与电信, 2022, 1(12): 58-.
[9]	张梓浩刘鹏浩谢汉辉邵国林吴振凯张嘉利. 面向多场所的基于深度学习电动车智能安全检测系统 [J]. 电脑与电信, 2022, 1(10): 40-44.
[10]	马金峰. 基于密集连接卷积结构的人脸表情识别研究[J]. 电脑与电信, 2021, 1(4): 1-5.
[11]	张宝燕. 基于深度卷积网络的地理图像分类研究 [J]. 电脑与电信, 2021, 0(10): 75-79.
[12]	鞠聪李涛. 基于深度可分离卷积结构的人脸表情识别研究[J]. 电脑与电信, 2020, 1(6): 1-5.
[13]	张钢, 陈家链, 宋健, 郭俊琦, 周晨睿. 基于对抗生成网络的中国山水画自动生成模型[J]. 电脑与电信, 2020, 1(3): 1-.
[14]	李奂谌. 基于增强卷积神经网络的路面裂纹检测[J]. 电脑与电信, 2018, 1(11): 54-56.
[15]	林伟声. 深度学习技术在信息系统数据分析中的应用[J]. 电脑与电信, 2017, 1(6): 51-53.