一种基于动态小波先验和双域学习的图像去雾方法

本发明属于图像处理和深度学习技术领域，具体涉及一种基于动态小波先验和双域学习的图像去雾方法。针对智能交通系统和安全监控等领域全天候清晰成像的需求，为了弥补传统去雾方法采用静态卷积核难以自适应不同雾霾退化的缺点，本发明提出利用多尺度小波LL子带中蕴含的雾霾先验动态生成卷积核，构建了高效、鲁棒、精准的图像去雾模型。本发明基于多尺度U型编码‑解码架构，在编码器各层级前嵌入动态小波深度可分离卷积模块DyWConv实现内容自适应特征提取，设计了协同利用傅里叶域全局调制和小波域多尺度分解的双域特征学习模块SPAFormer Block，通过自适应门控融合机制充分融合双域特征，最终逐级重建输出清晰图像。本发明创新地提出了将频域退化先验显式编码为动态卷积核参数的方法，协同利用傅里叶变换和小波变换的互补优势，能够有效去除空间非均匀雾霾并恢复图像细节，在合成数据集和真实场景上均取得领先性能，具有广阔的应用前景。