计算机应用研究

作者：赵志强,何进良,

单位：重庆邮电大学软件工程学院,重庆400065；

关键词：图像去雾,注意力机制,上下文协同,特征提取,

基金：重庆市技术创新与应用发展重大专项资助项目(2024TIAD-STX0047)；；

现有的去雾模型在处理雾霾图像时，常因雾霾在不同像素和局部区域的分布不均匀，导致特征提取不充分，进而削弱了对图像纹理和边缘信息的捕捉，影响去雾效果。针对这一问题，提出了一种全新的多域注意力机制与上下文协同的图像去雾方法——HACNet。HACNet创新性地提出了以多域注意力机制（MDA）为基础的混合注意力融合算法（HAF）用于整合局部和全局特征，实现了特征的精细化处理与自适应权重分配。同时提出了上下文自适应感知网络（CAF）协同多尺度膨胀卷积（CAAC），增强了模型对多尺度特征的感知能力，能有效应对雾霾浓度的区域差异。实验结果表明，HACNet 在 RESIDE、NH-Haze 和 Dense-Haze 等数据集上均优于目前的先进去雾模型。HACNet 通过多尺度雾霾特征捕捉与局部-全局细节的平衡，有效提高了去雾性能，具有较强的应用潜力。源代码发布在https://github.com/ruicys/HACNet。

来源：2025年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第9期