MixDehazeNet: كتلة بنية مختلطة لشبكة إزالة الضباب من الصور

إزالة الضباب من الصور هي مهمة نموذجية ضمن مجال الرؤية من المستوى المنخفض. وقد أثبتت الدراسات السابقة فعالية الكيرنل التوافقي الكبير وآلية الانتباه في إزالة الضباب. ومع ذلك، توجد عيوبان رئيسيان: أولًا، يتم تجاهل خصائص الصورة متعددة المقاييس بسهولة عند استخدام كيرنل توافقي كبير، وثانيًا، لا تأخذ الاتصال المتسلسل القياسي لوحدة الانتباه بعين الاعتبار بشكل كافٍ التوزيع غير المتجانس للضباب. في هذا البحث، نقترح إطارًا جديدًا يُسمى شبكة إزالة ضباب الصور ذات البنية المختلطة (MixDehazeNet)، والذي يعالج المشكلتين المذكورتين أعلاه. ويتكون هذا الإطار بشكل رئيسي من جزأين: وحدة الكيرنل التوافقي الكبير متعددة المقاييس المتوازية، ووحدة الانتباه المتوازية المحسّنة. بالمقارنة مع الكيرنل الكبير الواحد، فإن استخدام كيرنل توافقي متوازٍ متعدد المقاييس يكون أكثر قدرة على أخذ التفاصيل الجزئية في الاعتبار أثناء مرحلة إزالة الضباب. علاوةً على ذلك، تم تطوير وحدة انتباه متوازية محسّنة، حيث تُظهر الاتصالات المتوازية لوحدة الانتباه أداءً أفضل في التعامل مع توزيع الضباب غير المتجانس. وأظهرت التجارب الواسعة على ثلاث معايير مرجعية فعالية الطريقة المقترحة. على سبيل المثال، مقارنةً بالطرق الأفضل حتى الآن، حقق MixDehazeNet تحسنًا كبيرًا (42.62 ديسيبل في معيار PSNR) على مجموعة بيانات SOTS الداخلية. تم إتاحة الكود المصدر عبر الرابط: https://github.com/AmeryXiong/MixDehazeNet.