摘要
我们提出了一种端到端可训练的卷积神经网络（CNN），命名为GridDehazeNet，用于单幅图像去雾。GridDehazeNet由三个模块组成：预处理模块、主干模块和后处理模块。可训练的预处理模块能够生成具有更高多样性和更相关特征的学习输入，相比手动选择的预处理方法生成的输入更为优越。主干模块在网格网络上实现了一种新颖的基于注意力机制的多尺度估计，可以有效缓解传统多尺度方法中常见的瓶颈问题。后处理模块有助于减少最终输出中的伪影。实验结果表明，GridDehazeNet在合成图像和真实世界图像上的表现均优于现有最先进的方法。所提出的去雾方法不依赖大气散射模型，并且我们解释了为什么即使仅关注合成图像的去雾效果，利用大气散射模型提供的维度降低也不一定有益。