小波DehazeFormer网络的道路交通图像去雾OA北大核心CSTPCD
针对道路交通雾图像对比度低、细节丢失、模糊和失真的问题,提出了一种小波DehazeFormer模型的道路交通图像去雾方法。为提升模型去雾能力,构建了编解码结构的小波DehazeFormer网络,编码器以DehazeFormer与选择性核特征融合模块(Selective kernel feature fusion,SKFF)级联作为骨干网络的基本单元,编码部分由三级这样的基本单元构成,以融合图像的原始信息和去雾后的信息,更好地捕获雾图中关键特征;中…查看全部>>
夏平;李子怡;雷帮军;王雨蝶;唐庭龙
三峡大学水电工程智能视觉监测湖北省重点实验室,湖北宜昌443002 三峡大学计算机与信息学院,湖北宜昌443002三峡大学水电工程智能视觉监测湖北省重点实验室,湖北宜昌443002 三峡大学计算机与信息学院,湖北宜昌443002三峡大学水电工程智能视觉监测湖北省重点实验室,湖北宜昌443002 三峡大学计算机与信息学院,湖北宜昌443002三峡大学水电工程智能视觉监测湖北省重点实验室,湖北宜昌443002 三峡大学计算机与信息学院,湖北宜昌443002三峡大学水电工程智能视觉监测湖北省重点实验室,湖北宜昌443002 三峡大学计算机与信息学院,湖北宜昌443002
计算机与自动化
交通图像去雾小波变换选择性核特征融合内容引导注意力DehazeFormer
《光学精密工程》 2024 (12)
P.1915-1928,14
国家自然科学基金项目(No.U1401252)湖北省重点实验室开放基金项目(No.2018SDSJ07)。
评论