안개 제거 분야에서 전통적인 방법들은 수동으로 특징을 설정하는 데 제한이 있으며, 기존 네트워크들은 완전한 안개 제거 및 세부사항 보존에 미흡하다. 이에 특징 분리와 협력 네트워크 기반의 엔드투엔드 이미지 안개 제거 모델을 제안한다. 먼저 전통적인 대기 산란 모델을 변형하여 곱셈 특징과 덧셈 특징을 분리한다. 둘째, 두 특징이 최종 안개 제거 결과에 미치는 영향을 기반으로 곱셈 특징과 덧셈 특징 추출 프레임워크가 병렬로 구동되는 안개 제거 네트워크를 설계한다. 곱셈 특징 추출 네트워크는 서로 다른 깊이의 공간 정보 및 세부 특징을 충분히 고려하며, 층 간의 밀집 연결을 통해 특징 재사용 및 정보 보상을 달성하여 정밀하고 풍부한 대상 특징을 획득한다. 또한, 잔차 크로스 연결 구조를 이용해 덧셈 특징 추출 네트워크를 구축하여 편향된 덧셈 특징을 학습한다. 마지막으로 분리된 특징을 복원 모델에 투입하여 안개 없는 이미지를 얻는다. 실험 결과 제안한 네트워크는 뛰어난 안개 제거 효과를 나타내며, 복원 이미지의 색상은 자연스럽고 세부 사항도 잘 보존되며 모든 지표에서 우수하다.

이미지 안개 제거; 합성곱 신경망; 대기 산란 모델; 특징 분리; 이미지 복원