来源：期刊VIP网 时间：
作者：张仙伟;陈泽锐;任帅;
单位：西安石油大学计算机学院;
摘要：针对现有深度学习方法在处理真实雾图时会导致恢复图像颜色失真，去雾不彻底等问题，提出了一种基于集成学习的双分支混合注意力块去雾网络，该网络是由全局特征提取分支和高频纹理特征提取分支以及基于集成学习融合尾部组成。全局特征提取子网使用Res2Net作为预训练模型初始化权重，提高全局特征提取鲁棒性。高频纹理特征提取子网使用U-Net为骨干网络结合了混合注意力块，跳跃连接以及软重建，使该分支更能关注到当前数据集高频纹理特征，最终融合两分支并映射成清晰图像。该算法与最先进方法比较，在RESIDE合成数据集取得了良好的视觉效果，并在NTIRE2020和NTIRE2021数据集上客观指标较最新DehazeFormer去雾模型PSNR提升了12.09 dB、SSIM提升了40.7%。
关键词：图像去雾;;注意力机制;;集成学习;;编码器-解码器
基金资助：陕西省自然科学基金(2020JM-543)(非线性自适应图正则的子空间聚类算法研究);; 陕西省重点研发计划2020GY-038(基于信息物理融合的智能油田监控系统关键技术研究),2021GY-083(基于深度学习双目智能感知与定位技术研究)
