Le brouillard dans l'environnement naturel est généralement non homogène et irrégulier, ce qui affecte considérablement les tâches de vision par ordinateur. Par conséquent, cet article propose un réseau de désembuage à double branche avec fusion et renforcement des caractéristiques des bords (Enhanced-edge-feature Dual-branch Fusion Dehazing Network, EDFDNet). Afin de préserver le réalisme de l'image tout en améliorant efficacement la visibilité en cas de flou sévère, la branche principale du réseau est construite pour transmettre la branche de détails fins de l'image, en utilisant un réseau en forme de U avec un encodeur-décodeur hiérarchique intégrant la transformée en ondelettes discrètes pour extraire des caractéristiques fines à multiples échelles et en définissant une méthode mathématique pour renforcer la détermination des informations de bord ; la branche d'extraction des caractéristiques enchaîne les blocs résiduels ResNet et un module d'extraction de caractéristiques parallèle combinant Transformer et double attention pour fusionner les caractéristiques locales et globales, améliorant la compréhension et le traitement des images de brouillard non homogène par le réseau, et restaure la visibilité de l'image. Ces deux branches sont intégrées dans le cadre principal du réseau antagoniste génératif (GAN), formant le réseau de désembuage EDFDNet. Les résultats expérimentaux montrent que cette méthode améliore de 1,2567 et 0,0308 les valeurs moyennes de PSNR et SSIM sur les ensembles de données synthétiques en extérieur, et obtient les meilleurs indices PIQE, RI et VI (21,471, 0,9711 et 0,9003) lors des tests sur des ensembles de données réels. EDFDNet obtient de bons résultats tant en amélioration du réalisme qu'en restauration de la visibilité, adapté au désembuage des images de brouillard non homogène du monde réel.

brouillard du monde réel; désembuage non homogène; fusion des caractéristiques; renforcement des caractéristiques des bords; réseau antagoniste génératif