高效精确的多尺度拓扑网络单图像去雾方法
计算机视觉与模式识别
2021-02-25 v1
摘要
单图像去雾是一个具有挑战性的病态问题，近年来引起了广泛关注。最近，卷积神经网络在图像去雾方面取得了巨大成功。然而，这些日益复杂的模型仍难以从雾图中恢复准确的细节。本文关注输入图像本身的特征提取与利用。为此，我们提出一种多尺度拓扑网络（MSTN）以充分挖掘不同尺度下的特征。同时，我们设计了多尺度特征融合模块（MFFM）和自适应特征选择模块（AFSM）来实现不同尺度特征的选择与融合，从而实现渐进式图像去雾。该拓扑网络提供了大量搜索路径，使网络能够提取丰富的图像特征，并具备强容错性和鲁棒性。此外，ASFM和MFFM在融合不同尺度表征时可自适应选择重要特征并忽略干扰信息。大量实验表明，与当前最优（state-of-the-art）方法相比，我们的方法具有优越性。
引用
@article{arxiv.2102.12135,
title = {Efficient and Accurate Multi-scale Topological Network for Single Image Dehazing},
author = {Qiaosi Yi and Juncheng Li and Faming Fang and Aiwen Jiang and Guixu Zhang},
journal= {arXiv preprint arXiv:2102.12135},
year = {2021}
}