2023年第36卷第7期ElectronicSci.＆Tech./Jul.15，2023https://journal.xidian.edu.cn收稿日期:2022-03-15基金项目:国家自然科学基金(61871298)NationalNaturalScienceFoundationofChina(61871298)作者简介:查俊伟(1997－)，男，硕士研究生。研究方向:图像去雾。张洪艳(1983－)，男，博士，教授、博士生导师。研究方向:遥感信息处理与应用。动态感受野特征选择去雾网络查俊伟，张洪艳(武汉大学测绘遥感信息工程国家重点实验室，湖北武汉430079)摘要基于深度学习的去雾模型大多在网络参数固定后，感受野也就随之固定。这导致去雾网络无法针对每个具体的场景采用最优的模式进行去雾，从而造成结果中存在模糊和失真。针对这些问题，文中提出动态感受野特征选择去雾网络。该网络以带有空洞卷积的特征注意力空洞模块为基础组件，并行使用多个空洞率不同的特征注意力空洞模块来提取多尺度特征，并进行动态特征融合，构成动态感受野模块。文中将多个动态感受野模块搭配残差连接组成深度网络，对不同层次的特征进行动态混合，最终解码得到去雾图像。实验结果表明，文中所提算法对室内和室外的合成雾图以及真实含雾图像均具有良好的去雾效果，可以生成清晰、自然的去雾图像。关键词图像去雾;动态感受野;多尺度特征;动态特征融合;空洞卷积;自注意力机制;动态神经网络;动态参数中图分类号TP391．41文献标识码A文章编号1007－7820(2023)07－056－08doi:10.16180/j.cnki.issn1007－7820.2023.07.008DynamicＲeceptiveFieldFeatureSelectionDehazingNetworkZHAJunwei，ZHANGHongyan(StateKeyLaboratoryofInformationEngineeringinSurveying，MappingandＲemoteSensing，WuhanUniversity，Wuhan430079，China)AbstractMostofthedeep－learningbaseddehazingmodelshavefixedreceptivefiledaftertheparameterarefixed．Asaresult，thedehazingnetworkcannotadopttheoptimalmodefordehazingeachspecificscene，resultinginambiguityanddistortionintheresults．Inviewoftheseproblems，thisstudyproposesadynamicreceptivefieldfea-tureselectiondehazingnetwork．Afeature－attentionatrousblockwithatrousconvolutionisdesignedasthebasicmoduleofthenetwork．Multiplefeatureattentionatrousblockswithdifferentatrousratesareusedinparalleltoex-tractmulti－scalefeatures．Dynamicfeaturefusionisperformedonthesefeaturestoformadynamicreceptivefieldblock．M...
