来源：期刊VIP网 时间：
作者：黄燕嫄1;索煜程2;陈信强3;杨睿3;张瀚4;王梓创5;郑金彪6
单位：1.交通运输部东海航海保障中心航标导航处;2.上海海事大学商船学院;3.上海海事大学物流科学与工程研究院;4.上海海事大学海洋科学与工程学院;5.上海船舶运输科学研究所有限公司;6.上海造父智能科技有限公司智能车部
摘要：针对船舶雾天航行过程中成像特点存在的图像受雾霾影响导致视觉退化、特征模糊等问题，该文提出一种融合多分支结构的循环对抗网络。该网络基于循环对抗神经网络（Cycle-GAN）引入高效多轴特征增强模块（efficient multi-axis aggregation, EMA）强化网络对海洋大气光值、海天高对比度背景等重点特征的学习能力，通过多路径融合机制分别从卷积提取特征、多轴空间动态增强维度协同优化图像去雾效果。实验在自建真实船舶雾天航行数据集上验证所提出网络的有效性，对比以往的去雾方法与该文所提方法的去雾效果，并通过峰值信噪比、结构相似性指数等指标对网络鲁棒性进行验证。结果显示在多种航行场景下该方法指标均达到最优，证明该文所提方法可以作为船舶雾天自主感知的重要技术支撑。
关键词：图像增强;多轴特征增强;博弈均衡;空间信息建模;去雾网络
基金资助：国家自然科学基金（52472347,52331012,52372316）; 绿色物流智能技术重庆市重点实验室开放基金（KLGLIT2024ZD001）
