Uma nova estrutura de desembaçamento de imagem para sistemas inteligentes baseados em visão robusta

Além das tarefas avançadas de visão computacional, o aprendizado profundo também fez progressos significativos em tarefas de baixo nível, incluindo o desembaçamento de imagem única. Uma imagem bem detalhada parece realista e natural com suas bordas claras e cores equilibradas. Para alcançar uma visão mais clara e vívida, exploramos o papel das bordas e das cores como parte significativa do nosso trabalho proposto. Uma rede de desembaçamento de imagem em dois estágios é apresentada para superar os desafios dos algoritmos atuais de desembaçamento de imagem. A estrutura proposta de desembaçamento de imagem é dividida em duas etapas; na primeira etapa, as características de imagem multiescala da estrutura de codificador e decodificador podem ser extraídas. A segunda etapa consiste no Modelo de Correção de Cor (CCM), que recupera cores equilibradas próximas à verdade fundamental. A rede de codificação e decodificação consiste em uma unidade de atenção residual densa (DRAU) que compreende atenção de canal com mecanismos de atenção de pixel. Observamos que a informação ponderada e a diferença de neblina são inconsistentes entre os pixels sem DRAU nas várias características específicas de canal. O DRAU lida com diferentes características e pixels de forma desigual, oferecendo mais versatilidade no manuseio de conhecimentos de vários tipos de informações detalhadas. Nossa rede proposta em dois estágios supera os algoritmos de última geração em aspectos visuais e quantitativos. Os resultados foram testados com as melhores métricas publicadas de razão sinal-ruído de pico de 33,55–33,44 dB e SSIM 0,9619–0,9714 nos conjuntos de dados de teste internos e externos SOTS.