双分支去雾网络

多尺度信息融合

该网络通过分层特征交互与多尺度感受野融合,解决了U型结构下采样信息丢失和特征交互不足的问题,能恢复更精细的纹理与结构。

孙航 · Shuai-Ling, Fang · 但志平 · 任东 · Mei, Yu · 孙水发

Journal of Remote Sensing 2023

参数信息

PSNR
27.362 dB
PSNR
28.171 dB
PSNR
25.137 dB
PSNR
37.79 dB
PSNR
35.367 dB

技术优势

特征交互更充分

分层特征交互融合模块将深层语义信息逐层引入浅层特征,同时将空间细节引入高层特征,增强了编码层不同层次特征间的信息交互。

感受野更大

多尺度残差空洞卷积模块在不改变特征图尺寸的情况下增大网络感受野,并融合不同尺度的上下文信息,有利于处理大场景尺度变化的遥感图像。

性能最优

在Haze1k和RICE两个公开遥感数据集上,本方法在客观评价指标和主观视觉效果方面均优于九种最新去雾算法。

应用场景