一种基于深度学习的偏振图像去雾方法、设备及存储介质

本发明公开了一种基于深度学习的偏振图像去雾方法，包括以下步骤：S1.采集数据并构建多模水雾退化数据集；S2.将数据集中的图像数据解析为四通道偏振方向图像数据和RGB强度图像数据；S3.输入四通道偏振方向图像数据，构建网络自适应学习偏振参量图像，以完成基于图像偏振信息的大气透过率估计；S4.将偏振－透过率和RGB‑透过率两路输出沿通道方向连接，接入基于特征注意力的多模信息融合网络，最后接入清晰图像生成模块输出清晰图像；S5.采用L1损失函数优化网络参数，提升网络泛化能力。本发明通过偏振特征与RGB特征的融合，结合特征注意力机制，同时挖掘图像中显性特征信息和偏振隐性特征信息，提升复杂场景的鲁棒性。