典型文献
基于注意力机制的密集残差融合与空间局部滤波低光照去雾算法
文献摘要：
低光照场景的雾霾图像在去雾过程中易产生颜色失真、斑块和伪影等现象,针对此问题,提出一种适用于低光照场景的基于注意力机制的密集残差融合与空间局部滤波去雾算法.首先利用密集残差块增加神经网络深度,使网络学习更高级的特征信息;然后引入空间与通道注意力机制对特征进行过滤和筛选,使网络可以区分光照不均匀区域,解决颜色失真等问题;采用空间局部滤波增强的方法,提高去雾结果的对比度、清晰度和能见度;最后设计了联合损失函数约束网络的学习,避免串联结构的误差放大以及学习混合退化.在PyTorch环境下,用夜间城市合成雾霾数据集NHR进行测试,并与现有的FFANet,GridDehaze等去雾算法进行对比.实验结果表明,与其他去雾算法相比,所提算法的峰值信噪比提升8.01～14.16 dB,结构相似度提高0.10～0.36.所提算法还解决了颜色失真、斑块和伪影等问题.
文献关键词：
图像去雾;低光照增强;注意力机制;密集残差;局部滤波
中图分类号：
作者姓名：
陈志华;杜垣均;温阳;盛斌;王继红;毛丽娟;吴恩华
作者机构：
华东理工大学信息科技与工程学院 上海 200237;深圳大学电子与信息工程学院 深圳 518000;上海交通大学电子信息与电气工程学院 上海 200240;上海体育学院 上海 200438;中国科学院软件研究所计算机科学国家重点实验室 北京 100080
文献出处：
引用格式：
[1]陈志华;杜垣均;温阳;盛斌;王继红;毛丽娟;吴恩华-.基于注意力机制的密集残差融合与空间局部滤波低光照去雾算法)[J].计算机辅助设计与图形学学报,2022(12):1842-1849
A类：
FFANet,GridDehaze
B类：
残差融合,局部滤波,去雾算法,雾霾图像,中易,颜色失真,斑块,伪影,密集残差块,网络学习,特征信息,通道注意力机制,行过滤,光照不均匀,对比度,清晰度,能见度,联合损失函数,函数约束,串联结构,PyTorch,NHR,峰值信噪比,信噪比提升,dB,结构相似度,图像去雾,低光照增强
AB值：
0.291657
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
