A operação de convolução com compartilhamento de parâmetros se concentra principalmente na extração de características locais da imagem, mas não pode modelar características além do campo receptivo, e o compartilhamento do mesmo parâmetro do núcleo de convolução em toda a imagem ignora as diferenças das características em diferentes regiões. Para superar as limitações das metodologias existentes, foi proposto uma rede de remoção de névoa que integra características globais e locais, utilizando respectivamente Transformer e operações de convolução para extrair informações de características globais e locais da imagem, e fusioná-las para a saída, aproveitando plenamente as vantagens do Transformer na modelagem de dependências de longo alcance e as características locais das operações de convolução, permitindo uma expressão eficiente das características. Antes da saída final da imagem restaurada, foi projetado um módulo de aprimoramento que contém blocos de imagem em múltiplas escalas, utilizando o Transformer para agregar ainda mais informações globais, enriquecendo os detalhes da imagem restaurada. Ao mesmo tempo, foi proposto um gerador de codificação posicional global, que pode gerar codificações posicionais adaptativamente com base nas informações globais do conteúdo da imagem, alcançando assim a modelagem espacial bidimensional das relações de dependência entre pixels. Os resultados experimentais mostraram que a rede de remoção de névoa proposta apresenta bom desempenho tanto em conjuntos de dados sintéticos quanto reais, com imagens restauradas mais realistas e alto nível de detalhamento restaurado.

Remoção de névoa de imagem;Rede generativa adversarial;Transformer;Gerador de codificação posicional