Туман в природной среде обычно является неоднородным и нерегулярным, что значительно влияет на задачи компьютерного зрения. В связи с этим в статье предлагается сеть удаления тумана с усиленной выделением краевых признаков и двойным ветвлением для слияния (Enhanced-edge-feature Dual-branch Fusion Dehazing Network, EDFDNet). Для сохранения реалистичности изображения и эффективного повышения видимости при сильном размытии построена основная ветвь сети передачи карт деталей, использующая U-образный многоуровневый автокодировщик с интеграцией дискретного вейвлет-преобразования для извлечения многомасштабных детальных признаков, а также математический метод усиленного определения краевой информации; ветвь извлечения признаков последовательно объединяет ResNet-остаточные блоки и параллельный модуль извлечения признаков с Transformer и двойным вниманием, объединяя локальные и глобальные признаки, улучшая способность сети понимать и обрабатывать неоднородные туманные изображения, восстанавливая видимость. Эти две ветви включены в основную структуру генеративной состязательной сети (GAN), формируя сеть удаления тумана EDFDNet. Экспериментальные результаты показывают, что метод повышает средние значения PSNR и SSIM на синтетических уличных наборах данных на 1,2567 и 0,0308 соответственно, а также достигает лучших показателей PIQE, RI и VI (21,471, 0,9711 и 0,9003) на тестах с реальными данными. EDFDNet демонстрирует хорошие результаты как по повышению реалистичности, так и по восстановлению видимости, подходит для удаления тумана с неоднородных изображений реального мира.

реальный туман; неоднородное удаление тумана; слияние признаков; усиление краевых признаков; генеративная состязательная сеть