[发明专利]一种基于U-Net的多层次特征交互去雾网络的构建方法

权利要求书

1.一种基于U-Net的多层次特征交互去雾网络的构建方法，它包括以下步骤：

步骤S1：构建U型图像去雾网络；

步骤S2：构建通道非局部信息增强注意力模块NEA添加到U型网络中；

步骤S3：将有雾图像送入U型图像去雾网络，通过多层次特征融合模块和通道非局部信息增强注意力模块，最终输出清晰的无雾图像，最后利用输出的清晰图像来计算损失，约束网络的训练；

通过以上步骤对基于U-Net的多层次特征交互去雾网络进行构建。

2.根据权利要求1所述的方法，其特征在于，在步骤S1中，构建的U型图像去雾网络如下：

编码层特征提取模块的第一层EB1→InstanceNorm层IN1→编码层特征提取模块的第二层EB2→InstanceNormIN2→编码层特征提取模块的第三层EB3→InstanceNorm层IN3；

InstanceNorm层IN1，InstanceNorm层IN2，InstanceNorm层IN3→第三个多层次特征交互模块MFS3→得到融合特征EF3→第三个多特征通道非局部信息增强注意力MF-NEA3；

第三个多特征通道非局部信息增强注意力MF-NEA3，解码恢复层DB3→融合操作→第一个反卷积层→InstanceNorm层IN4→SF-NEA模块→解码恢复层DB2；

InstanceNorm层IN2，InstanceNorm层IN1，InstanceNorm层IN3→第二个多层次特征交互模块MFS2→得到融合特征EF2→第二个多特征通道非局部信息增强注意力MF-NEA2；

第二个多特征通道非局部信息增强注意力MF-NEA2，解码恢复层DB2→融合操作→第二个反卷积层→InstanceNorm层IN5→SF-NEA模块→解码恢复层DB1；

InstanceNorm层IN3，InstanceNorm层IN2，InstanceNorm层IN1→第一个多层次特征交互模块MFS1→得到融合特征EF1→第一个多特征通道非局部信息增强注意力MF-NEA1；

第一个多特征通道非局部信息增强注意力MF-NEA1，解码恢复层DB1→融合操作→第三个反卷积层→无雾图像。

3.根据权利要求1所述的方法，其特征在于，第三个多层次特征交互模块MFS3的具体操作为：对InstanceNorm层IN3进行1*1Convolution，对InstanceNorm层IN2进行3*3的Convolution，对InstanceNorm层IN1进行3*3的Convolution→融合操作；

其中，第二个多层次特征交互模块MFS2的具体操作为：对InstanceNorm层IN2进行1*1Convolution，3*3的Convolution，对InstanceNorm层IN3进行3*3的Convolutiontranspose→融合操作；

其中，第一个多层次特征交互模块MSF1的具体操作为：对InstanceNorm层IN1进行1*1Convolution，对InstanceNorm层IN2进行3*3的Convolution transpose，对InstanceNorm层IN3进行3*3的Convolution transpose→融合操作。

4.根据权利要求1所述的方法，其特征在于，如图2所示，在步骤S2中通道非局部信息增强注意力模块中的单特征-通道非局部信息增强注意力模块SF-NEA结构如下：

输入特征F→经过全局平均池化GAP操作→通道描述符向量S→1D卷积操作→包含局部信息的向量S_lc；

通道描述符向量S→转置操作得到通道描述符的转置向量S^T→通道描述符向量S，通道描述符的转置向量S^T经过点乘操作→包含非局部信息的向量S_gc；

包含非局部信息的向量S_gc，包含局部信息的向量S_lc→融合操作→1D卷积操作→特征分配权重W；

特征分配权重W，输入特征图F→逐像素相乘操作→特征图F*。