基于Haze Prior感知的高效双域图像去雾
计算机视觉与模式识别
2026-02-17 v3
摘要
Transformer虽然在单张图像去雾中提供强大的全局建模能力，但计算成本高昂。大多数方法依赖空间特征来捕捉长程依赖，在复杂雾霭条件下效果有限。虽然有些方法集成了频域线索，但空间与频率分支之间的弱耦合限制了性能。为此，本文提出了暗色信道引导频率感知去雾网络(DGFDNet)，一种显式跨越空间与频率域对齐退化的双域框架。其核心模块DGFDBlock包含两个关键模块：1) 雾化感知频率调制器(HAFM)，其使用暗色信道先验生成雾霭置信度图以实现自适应频率调制，实现全局退化感知的谱滤波。2) 多级门控聚合模块(MGAM)，其通过多尺度卷积和混合门控机制融合多尺度特征以恢复细粒度结构。此外，先验纠正引导分支(PCGB)包含反馈，用于迭代细化先验，提高雾霭局部分析准确性，尤其在户外场景中效果显著。在四个基准数据集上的大量实验表明，DGFDNet在提高鲁棒性和实时效率的同时实现了最先进的性能。代码已公开：https://github.com/Dilizlr/DGFDNet。
关键词
引用
@article{arxiv.2507.11035,
title = {Efficient Dual-domain Image Dehazing with Haze Prior Perception},
author = {Lirong Zheng and Yanshan Li and Rui Yu and Kaihao Zhang},
journal= {arXiv preprint arXiv:2507.11035},
year = {2026}
}