No campo da remoção de névoa, os métodos tradicionais são limitados pela configuração manual das características, e as redes existentes não removem a névoa completamente nem mantêm bem os detalhes. Propõe-se um modelo de remoção de névoa de imagem de ponta a ponta baseado na separação de características e em uma rede colaborativa. Primeiro, o modelo clássico de dispersão atmosférica é deformado para separar características multiplicativas e aditivas. Em seguida, com base no impacto dessas duas características no resultado final da remoção de névoa, projeta-se uma rede de remoção de névoa movida paralelamente por uma estrutura de extração de características multiplicativas e aditivas. A rede de extração de características multiplicativas considera plenamente a informação espacial e as características de detalhes em diferentes profundidades, alcançando a reutilização de características e compensação de informações por meio de encadeamentos densos entre as camadas para obter características alvo precisas e ricas. Além disso, uma rede de extração de características aditivas é construída usando uma estrutura de ligação cruzada residual para treinar características aditivas enviesadas. Por fim, as características separadas são inseridas no modelo de restauração para obter uma imagem sem névoa. Os experimentos mostram que a rede proposta apresenta um efeito significativo na remoção de névoa, com a imagem restaurada apresentando cores naturais, boa preservação de detalhes e desempenho superior em todos os indicadores.

Remoção de névoa de imagem; redes neurais convolucionais; modelo de dispersão atmosférica; separação de características; restauração de imagem