6thGrid-Net：基于颜色恢复与保留边缘的统一遥感图像去雾方法
计算机视觉与模式识别
2026-04-28 v1
摘要
遥感图像常受恶劣天气条件(尤其是云层和雾霾)的影响,这些条件严重损害下游应用的效果。现有恢复方法通常依赖计算密集型架构或顺序管道(例如细节增强后跟随颜色渲染),且存在相互干扰和伪影累积。此外,最近的统一网格方法利用固定、各向同性插值核,忽视了自然图像的内在低维流形,必然导致边缘模糊。为此,我们提出 6th Grid-Net,这是一种高度高效且统一的遥感图像恢复框架,专为资源受限的边缘设备设计。具体而言,我们构建了一种新型六维融合张量,无缝集成 3D LUT 颜色渲染功能与双边网格空间-亮度细节保留能力。为克服标准三线性插值的缺点，我们引入了一种流形自适应高维抽样机制。该机制根据局部边缘方向、纹理强度和颜色相似性动态调整插值核,实现单次前向传播中的全局颜色 stylization 与局部边缘细化。此外,还引入边缘感知网格平滑约束和动态量化,以抑制幽灵影像并显著压缩模型大小。在多个基准数据集上的广泛实验表明,6th Grid-Net 在各种退化场景下实现了最先进的恢复质量。
引用
@article{arxiv.2604.24149,
title = {6thGrid-Net: Unified Remote Sensing Image Dehazing Based on Color Restoration and Edge-Preserving},
author = {Runci Bai and Kui Jiang and Xiang Chen and Chen Wu and Dianjie Lu and Guijuan Zhang and Zhuoran Zheng},
journal= {arXiv preprint arXiv:2604.24149},
year = {2026}
}