0210011-1第60卷第2期/2023年1月/激光与光电子学进展研究论文基于注意力机制的单图像去雾算法曹锐虎1，张鹏超1，2*，王磊1，张凡1，康杰11陕西理工大学机械工程学院，陕西汉中723000；2陕西省工业自动化重点实验室，陕西汉中723000摘要图像去雾工作目前还存在真实数据集过少、局部对比度失衡和去雾图像失真等问题。针对去雾图像失真这一问题，提出一种新型去雾网络模型（DenselyResnetwithSKattention-DehazeNet，DRS-DehazeNet）。首先带雾图像经预处理模块转换为多角度特征输入图，然后设计密集残差架构并引入注意力机制完成特征信息的提取与再分配，最后将特征融合，输出无雾图像。实验结果表明，所提算法相比于其他对比算法有着较好的去雾效果，有效改善了去雾图像失真问题，且在一定程度上对图像的清晰度进行了提升。关键词图像处理；图像去雾；残差网络；注意力机制中图分类号TP391文献标志码ADOI：10.3788/LOP213235SingleImageDefoggingAlgorithmBasedonAttentionMechanismCaoRuihu1,ZhangPengchao1,2*,WangLei1,ZhangFan1,KangJie11SchoolofMechanicalEngineering,ShaanxiUniversityofTechnology,Hanzhong723000,Shaanxi,China;2ShaanxiKeyLaboratoryofIndustrialAutomation,Hanzhong723000,Shaanxi,ChinaAbstractPresentimage-defoggingmethodshavearangeofproblems:insufficientnumbersofrealdatasets,localcontrastimbalance,anddefoggingimagedistortion.Thispaperproposesanoveldefoggingnetworkmodel(DenselyResnetwithSKattention-DehazeNet,DRS-DehazeNet)thatmitigatesdefoggingimagedistortion.First,thefoggedimageistransformedintoamulti-anglefeatureinputmapbythepreprocessingmodule.Thefeatureinformationisthenextractedandredistributedthroughadenseresidualarchitecturewithanattentionmechanism.Finally,thefeaturesarefusedtooutputafog-freeimage.Experimentalcomparisonresultsconfirmedabetterdefoggingeffectoftheproposedalgorithmthanthatofotheralgorithms.Ourmodeleffectivelyimprovesthedistortionindefoggedimagesandenhancestheimageclaritytoacertainextent.Keywordsimageprocessing;imagedefogging;residualnetwork;attentionmechanism1引言在雾、霾天气下采集的图像会由于大气散射模型的作用严重降质，通常表现为图像发灰发白、对比度过小、语义信息丢失和特征信息难以提取，失去了图像原本的色彩。...
