自然環境におけるスモッグは通常、非均一で不規則であり、コンピュータビジョンタスクに大きな影響を与えます。そこで本論文では、強化されたエッジ特徴二重分岐融合デヘイジングネットワーク（Enhanced-edge-feature Dual-branch Fusion Dehazing Network、EDFDNet）を提案します。画像の真実性を保持しつつ、ぼやけが著しい場合でもデヘイジング後の可視性を効果的に向上させるために、ネットワークの主要分岐である微細マップ伝達分岐を構築し、離散ウェーブレット変換を融合したU字型ネットワークの階層型エンコーダーデコーダ構造で多尺度の微細特徴情報を抽出し、エッジ情報判定を強化する数学的手法を定義しました；特徴抽出分岐はResNet残差ブロックとTransformerおよび二重注意を組み合わせた並列特徴抽出モジュールを直列接続し、抽出した局所特徴とグローバル特徴を融合して、ネットワークの非均一スモッグ画像に対する理解力と処理効果を高め、さらに画像の可視性を回復します。これら二つの分岐を生成対抗ネットワーク（Generative Adversarial Network、GAN）の主フレームワークに組み込み、デヘイジングネットワークEDFDNetを形成しました。実験結果は、本手法が屋外合成データセットにおいて、現行の主流手法と比較して平均PSNRおよびSSIMをそれぞれ1.2567および0.0308向上させ、同時に実世界データセットのテストでPIQE、RI、VIにおいて21.471、0.9711、0.9003の最良指標を達成したことを示しています。EDFDNetは真実性の向上と可視性の回復の両面で良好な成果を挙げ、実世界の非均一スモッグ画像のデヘイジングに適しています。

実世界スモッグ;非均一デヘイジング;特徴融合;エッジ特徴強化;生成対抗ネットワーク