La niebla en entornos naturales suele ser no homogénea e irregular, afectando significativamente las tareas de visión por computadora. Por ello, este trabajo propone la Red de Desempañamiento con Fusión de Doble Rama y Mejora de Características de Bordes (Enhanced-edge-feature Dual-branch Fusion Dehazing Network, EDFDNet). Para preservar la veracidad de la imagen y mejorar eficazmente la visibilidad en condiciones de desenfoque severo, se construyó la rama principal de la red para transmitir detalles finos mediante una red en forma de U con codificador-decodificador jerárquico que integra la transformada wavelet discreta para extraer características finas a múltiples escalas, definiendo además un método matemático para fortalecer la determinación de la información de bordes; la rama de extracción de características conecta bloques residuales ResNet y un módulo paralelo de extracción de características que combina Transformer y atención dual, fusionando características locales y globales para mejorar la comprensión y procesamiento de imágenes con niebla no homogénea, restaurando así la visibilidad de la imagen. Estas dos ramas se incorporan al marco principal de una Red Generativa Antagónica (GAN), formando la red de desempañamiento EDFDNet. Los resultados experimentales muestran que este método mejora el PSNR promedio y SSIM en conjuntos de datos sintéticos al aire libre en 1.2567 y 0.0308 respectivamente, alcanzando también los mejores índices PIQE, RI y VI (21.471, 0.9711 y 0.9003) en pruebas con conjuntos de datos del mundo real. EDFDNet obtiene buenos resultados tanto en la mejora de la veracidad como en la restauración de la visibilidad, siendo apto para desempañamiento de imágenes con niebla no homogénea del mundo real.

niebla del mundo real; desempañamiento no homogéneo; fusión de características; refuerzo de características de bordes; red generativa antagónica