用于遥感图像去雾的编码器最小化与解码器最小化框架
计算机视觉与模式识别
2023-12-14 v1
摘要
雾霾遮蔽了遥感图像，阻碍了有价值信息的提取。为此，我们提出了 RSHazeNet，一个用于高效遥感图像去雾的编码器最小化和解码器最小化框架。具体而言，针对同一层级内特征的融合过程，我们开发了一个创新模块，称为层级内转置融合模块。该模块采用自适应转置自注意力来捕获全面的上下文感知信息，从而促进鲁棒的上下文感知特征融合。同时，我们提出了一个跨层级多视角交互模块，以实现来自不同层级特征之间的有效交互，减轻因重复采样操作导致的信息损失。此外，我们提出了一个多视角渐进式提取块，它将特征划分为四个不同的分量，并采用具有不同卷积核大小、分组和扩张因子的卷积来促进视角渐进式特征学习。大量实验证明了我们提出的 RSHazeNet 的优越性。我们在 \url{https://github.com/chdwyb/RSHazeNet} 发布了源代码和所有预训练模型。
引用
@article{arxiv.2312.07849,
title = {Encoder-minimal and Decoder-minimal Framework for Remote Sensing Image Dehazing},
author = {Yuanbo Wen and Tao Gao and Ziqi Li and Jing Zhang and Ting Chen},
journal= {arXiv preprint arXiv:2312.07849},
year = {2023}
}