O nevoeiro no ambiente natural é geralmente não homogêneo e irregular, causando grande impacto nas tarefas de visão computacional. Portanto, este artigo propõe a Rede de Desembaçamento por Fusão de Duplo Ramo com Reforço de Características de Borda (Enhanced-edge-feature Dual-branch Fusion Dehazing Network, EDFDNet). Para preservar a autenticidade da imagem e melhorar efetivamente a visibilidade após o desembaçamento, mesmo em situações de desfoque severo, a rede principal possui um ramo de transmissão de mapa fino, utilizando uma estrutura de codificador-decodificador em formato de U que integra Transformada Discreta de Wavelet para extrair informações detalhadas em múltiplas escalas, além de um método matemático para reforçar a determinação das informações de borda; o ramo de extração de características conecta blocos residuais ResNet e um módulo paralelo de extração de características que combina Transformer e atenção dupla, fundindo características locais e globais extraídas, melhorando a compreensão da rede e o processamento de imagens de nevoeiro não homogêneo e restaurando ainda mais a visibilidade da imagem. Esses dois ramos são incorporados na estrutura principal da Rede Generativa Adversarial (GAN), formando a rede de desembaçamento EDFDNet. Os resultados experimentais mostram que o método aumenta a média de PSNR e SSIM nos conjuntos de dados sintéticos externos em 1,2567 e 0,0308, respectivamente, em comparação com os melhores métodos atuais, além de alcançar os melhores índices PIQE, RI e VI de 21,471, 0,9711 e 0,9003 em conjuntos de dados do mundo real. O EDFDNet apresenta bons resultados tanto na melhoria da autenticidade quanto na restauração da visibilidade, sendo adequado para desembaçamento de imagens de nevoeiro não homogêneo do mundo real.

nevoeiro do mundo real; desembaçamento não homogêneo; fusão de características; reforço de características de borda; rede generativa adversarial