典型文献
基于空间通道Transformer的双分支网络图像去雾方法
文献摘要：
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.
文献关键词：
图像去雾;卷积神经网络;Transformer;无监督训练;损失函数
中图分类号：
作者姓名：
张望
作者机构：
西华大学汽车与交通学院,四川 成都 610039
文献出处：
引用格式：
[1]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(10):82-89
A类：
PoolFormer,Reside,6305dB
B类：
Transformer,双分支网络,网络图像,图像去雾,雾霾天气,视频去雾,物理模型,透射率,系统误差,对比度,当前问题,自注意力网络,Space,Channel,主干网络,网络设计,编码器,解码器,Encoder,Decoder,端到端,End,提取特征,跳跃连接,全局信息,实例归一化,收敛速度,暗通道,余弦相似性,Cosine,Similarity,损失函数,无监督训练,双线性插值,透射图,像素级,峰值信噪比,PSNR,结构相似性,SSIM,对比算法
AB值：
0.378926
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。
