结合局部细节补充和全局信息增强的图像去雾算法

来源：计算机工程与应用杂志2025年第9期北京时间：

作者：李凯玲, 刘帆, 李毅

单位：太原理工大学 计算机科学与技术学院（大数据学院），山西 晋中 030600

摘要：针对现有的去雾方法在去雾过程中因局部细节信息丢失导致去雾后的图像纹理模糊、因全局信息缺乏导致去雾图像的亮度和对比度失调，从而使得去雾后的图像不能满足人类视觉感知的问题，提出了LGDEFormer模型，具体来说在DehazeFormer-T模型基础上加入局部细节补充模块（local detail supplement module，LDSM）来补充在去雾过程中丢失的局部信息以还原图像的细微结构和纹理，提出全局信息增强模块（global information enhancement module，GIEM）来增强在去雾过程中所需要的全局信息以减轻亮度和对比度失调。在全局信息增强模块中，提出一种选择性分支特征融合方法在不增加额外参数的情况下自适应地融合不同感受野分支的特征以实现全局信息的充分利用。通过实验表明，LGDEFormer模型比DehazeFormer-T模型增加少量参数和计算量的情况下在RESIDE的ITS数据集上的PSNR和SSIM指标分别提升了1.06 dB和0.002，在OTS数据集上的PSNR指标提升了0.45 dB。

关键词：图像去雾,DehazeFormer-T,LGDEFormer模型,局部细节补充,全局信息增强