用于高分辨率图像去雾的全局与局部特征精简组合器 (SGLC)

图像去雾旨在去除图像中的大气雾或霾。尽管去雾模型近年来已有很大发展，但鲜有精确解决高分辨率模糊图像问题的模型。对于此类图像，模型需处理图像的降采样版本或从中裁剪的补丁。在这两种情况下，精度都会下降。这主要源于图像尺寸增大时固有的全局与局部特征结合失败。去雾模型需要全局特征以理解整体场景特性，并需要局部特征以更好地处理精细与像素级细节。在本研究中，我们提出全局与局部特征精简组合器（SGLC）来解决这些问题，并优化任意去雾模型在高分辨率图像上的应用。SGLC 包含两个连续模块。其一是生成含强全局特征的首版去雾图像的全局特征生成器（GFG）。其二是局部特征增强器（LFE），用于改善先前生成图像中的局部特征细节。在 Uformer 去雾架构上测试时，SGLC 显著提升了 PSNR 指标。任何其他模型均可嵌入 SGLC 流程中以提升其在高分辨率输入数据上的效率。