摘要
图像去雾是一项关键的图像预处理任务，旨在消除雾气造成的视觉噪声，从而提升图像的视觉质量。现有的模型通常采用复杂的网络结构和定制化的损失函数，导致计算效率低下，且需要高性能硬件支持才能运行。在图像预处理中，时间至关重要，因为实时输出能够实现即时处理。为解决上述问题，本文提出一种通用性较强的轻量化卷积编码器-解码器网络，该模型不依赖任何大气散射模型。该神经网络在模型复杂度与图像质量之间取得了良好平衡，其性能不受低配置硬件系统的限制。在多个标准数据集上，该网络在显著更快的处理速度下实现了接近当前最优方法的图像质量，展现出卓越的去雾性能。