2023，59（13）单幅图像去雾（dehaze，DH）和去雪（desnow，DS）主要为修复图像被雪花和雾霾遮挡的区域，增强背景清晰度，以便图像算法对图像的高效利用。以往的DH和DS算法将天气特征移除任务作为单任务进行处理，未考虑雪花和雾霾同时存在的场景，导致问题研究难以满足实际场景需求，如雪霾同时存在的情形。针对当前算法对雪花遮挡区域的修复存在过度平滑、边缘纹理缺失问题，本文提出将图像边缘和图像色彩进行分离修复的方法，由于过于复杂的网络结构在传递反馈梯度时存在梯度消失，而且单一网络对雪花和雾霾的数据分布学习存在难度，常导致网络学习不足问题。因此本文对雪霾的图像修复问题，提出模型解耦、协同训练的雪霾消除网功能解耦和谱特征融合的雪霾消除模型鲍先富，强赞霞，杨关中原工学院计算机学院（系），郑州450007摘要：针对车载相机受雪花、雾霾影响，导致采集图像出现雪花遮挡和雾霾面纱效应问题，基于图像边缘纹理和图像色彩分离重建的思想，提出功能解耦、双重监督的雪霾消除网络。所提算法通过对图像边缘纹理和色彩信息进行分离重建，将雪霾消除任务解耦为背景纹理修复与色彩重建两个子任务，并用双生成对抗网络分别进行边缘纹理和色彩特征的协同重建。算法在SRRS-6000数据集上进行消融测试，验证了双重监督对网络加速收敛的有效性和噪声消除的显著效果，模型在Snow100K-S、Snow100K-M、Snow100K-L、I&O-Haze数据集上进行测试，峰值信噪比（peaksignaltonoiseratio，PSNR）和结构相似性（structuralsimilarity，SSIM）分别达到33.29dB和0.94、32.8dB和0.9316、30.13dB和0.93、25.88dB和0.82。实验结果表明，通过对图像去噪任务进行解耦和双重监督，取得了高效的雪花、雾霾消除效果，增强了无人驾驶辅助系统在复杂天气条件下的适应性。关键词：生成对抗网络；去雪；去雾；噪声消除；图像去噪文献标志码：A中图分类号：TP309doi：10.3778/j.issn.1002-8331.2203-0566SnowandHazeEliminationModelBasedonFunctionDecouplingandEdgeFeatureFusionBAOXianfu,QIANGZanxia,YANGGuanSchoolofComputerScience,ZhongyuanUniversityofTechnology,Zhengzhou450007,ChinaAbstract：Aimingattheproblemofsnowflakeocclusionandhazeveileffectinthecollectedimagesbythevehicle-mountedcamerafortheinfluenceofsnowflakesandhaze,thispaperproposesadecouplinganddouble-supervisedsnowhazeeliminationnetworkbasedontheideaofimageedgetextur...
