摘要
图像去雾是低层视觉领域中的典型任务。先前的研究已验证了大卷积核与注意力机制在去雾任务中的有效性。然而，现有方法存在两个主要缺陷：引入大卷积核后，图像的多尺度特性容易被忽略；同时，标准的注意力模块串联结构未能充分考虑雾霾分布的不均匀性。针对上述问题，本文提出一种新型框架——混合结构图像去雾网络（Mix Structure Image Dehazing Network, MixDehazeNet），有效解决了上述挑战。该网络主要由两部分构成：多尺度并行大卷积核模块与增强型并行注意力模块。相较于单一的大卷积核，多尺度并行大卷积核结构在去雾过程中能够更好地捕捉局部纹理信息。此外，所提出的增强型并行注意力模块通过并行连接方式，显著提升了对非均匀雾霾分布的建模能力。在三个公开基准数据集上的大量实验结果表明，所提方法具有显著优势。例如，在SOTS室内数据集上，与现有最先进方法相比，MixDehazeNet在PSNR指标上实现了显著提升，达到42.62 dB。相关代码已开源，地址为：https://github.com/AmeryXiong/MixDehazeNet。