一种基于自适应频率增强和全局-局部特征聚合的高效图像去雾方法

本发明提出了一种基于自适应频率增强和全局‑局部特征聚合的高效图像去雾方法，属于图像去雾技术领域，解决了传统去雾方法在处理雾霾分布不均时效果不佳的问题。该方法包括：S1：获取成对的有雾图像与清晰图像，并构建训练集、测试集；S2：构建全局‑局部特征聚合块，采用改进的自注意力机制来提取包含跨区域、跨尺度的信息；S3：构建自适应频率增强模块，设计动态池化协同通道注意力和空间注意力，提升网络对多频率成分的动态感知能力；S4：构建上下文信息融合模块，通过利用水平和垂直方向的上下文信息，缓解特征错配问题，在解码阶段实现高效的轻量级融合；S5：使用训练集中成对的有雾图像与清晰图像，对图像去雾模型进行训练，得到训练好的图像去雾模型。本发明通过综合利用全局与局部特征，使模型能更好地适应不同区域的雾霾状况，此外，通过融合频率与空间信息，能够有效地恢复被雾遮挡的细节，协调画面的色彩与亮度，从而提高模型在复杂场景下的稳定性和表现力。