多尺度增强去雾网络与密集特征融合

本文提出了一种基于U-Net架构的多尺度增强去雾网络，该网络采用密集特征融合机制。所提出的方法基于两个核心原则——增强（boosting）与误差反馈（error feedback），并验证了这两个原则在去雾任务中的适用性。通过在所提模型的解码器中引入“增强-操作-相减”（Strengthen-Operate-Subtract）增强策略，我们设计了一个简单而高效的增强型解码器，能够逐步恢复无雾图像。为解决U-Net架构中空间信息丢失的问题，我们进一步提出了一种基于反向投影反馈机制的密集特征融合模块。实验表明，该模块不仅能有效弥补高分辨率特征中缺失的空间信息，还能充分挖掘非相邻特征之间的关联性。大量实验评估结果表明，所提出的模型在基准数据集以及真实世界雾霾图像上的去雾效果均优于当前最先进的方法。