霧除去画像のエッジディテールが十分に鮮明でないこと、既存のU-Net霧除去ネットワークが周波数領域情報の活用が不十分であり、異なるチャネル間の情報交流を無視してしまい構造がぼやける問題に対して、周波数領域特徴蒸留の二重スケール融合ネットワークを提案し、単一画像の効果的な霧除去を実現した。粗スケール特徴抽出サブネットでは、大規模な畳み込みカーネルを用いて画像のテクスチャ情報を抽出し、残差注意機構を利用して霧に関連する特徴を強化した。細スケール高周波融合サブネットでは、高周波特徴蒸留モジュールを設計し、抽出された構造やエッジ情報を細かくし、段階的に鮮明な画像を復元する。また、異なるチャネルの特徴を融合するために交差融合戦略を採用した。実験結果では、MSTN（Efficient and Accurate Multi-Scale Topological Network）アルゴリズムと比較して、屋外画像データセットでピーク信号対雑音比および構造類似度がそれぞれ9.98％、4.77％向上した。異なるデータセットでの実験結果は、提案手法がより優れた霧除去性能を示すことを示している。本手法は、霧除去効果を効果的に向上させ、より多くの構造情報を保ち、より良い色の細部復元能力を持つ。

高周波情報;特徴蒸留;画像霧除去;交差融合;残差注意