霧除去分野において、従来の手法は特徴の手動設定に制約があり、既存のネットワークは不完全な霧除去や細部の保持が不十分である。そこで、特徴分離と協調ネットワークに基づくエンドツーエンド画像霧除去モデルを提案する。まず、従来の大気散乱モデルを変形し、乗法特徴と加法特徴を分離する。次に、これら二つの特徴が最終的な霧除去結果に与える影響度に基づき、乗法特徴と加法特徴抽出フレームワークが並列駆動する霧除去ネットワークを設計する。乗法特徴抽出ネットワークは、異なる深さの空間情報と細部特徴を十分に考慮し、層間の密なカスケードにより特徴の再利用と情報の補完を達成し、精密かつ豊かなターゲット特徴を取得する。また、残差クロスリンク構造を利用して加法特徴抽出ネットワークを構築し、バイアスのある加法特徴を学習する。最後に、分離された特徴を復元モデルに代入し、霧のない画像を得る。実験により、提案ネットワークは優れた霧除去効果を示し、復元画像は自然な色彩で細部も良好に保持され、各種指標で優れることが明らかとなった。

画像霧除去;畳み込みニューラルネットワーク;大気散乱モデル;特徴分離;画像復元