基于多尺度傅里叶变换网络的恶劣天气图像修复

来源：计算机技术与发展杂志2025年第08期北京时间：

作者：马佳慧;张鸿;李富豪;

单位：1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065;2. 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学),湖北 武汉 430065

摘要：在多种恶劣天气条件下,捕获的图像经常受到图像退化的困扰,这对图像质量和进一步的视觉分析带来了显著挑战。现有的多场景修复模型通常侧重于区分不同天气间的特定特征,借助大型复杂网络处理天气间的扰动,这导致模型参数规模较大。针对这一问题,该文提出了一种基于多尺度傅里叶变换双分支网络(MFTNet)的多天气图像修复方法。傅里叶校正子网通过结合快速傅里叶变换和Unet网络提取全局频率信息,缩小不同天气间的噪声差异并有效降低了模型参数量。多尺度细化子网通过归一化特征分布和动态提取多尺度特征,进一步学习丰富的特征表示,有效消除天气间的相似物理退化信息。MFTNet以较小的参数成本提升了图像的最终重建质量,其网络参数量相比All-in-One降低了86.32%,相比TransWeather降低了84.18%。在RESIDE、Raindrop、Outdoor-Rain、Snow100K和Rain1400等数据集上的实验结果显示,该方法在SSIM和PSNR等评价指标上均得到明显的提升。

关键词：图像修复;恶劣天气;全局频率信息;多尺度特征表示;快速傅里叶变换