.png){kind=icon}
返回
SFFDM: Diffusion model-based spatial-frequency fusion network for remote
.png){kind=icon}
PRE
AI
DOI：10.1016/j.image.2026.117663.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，深度神经网络已被广泛应用于遥感图像去雾，并取得了显著进展。然而，从空间域和频率域提取的特征被认为具有不同的表示重点并携带不同类型的信息，表现出一定程度的互补性。这种互补性被认为有利于学习更具代表性和鲁棒性的特征表示。此外，如何有效提取频率域中的噪声信息并利用其指导更精确的去噪仍是图像去雾领域的关键挑战之一。基于此，提出了一种基于扩散模型的空频融合网络（SFFDM）用于遥感图像去雾。具体而言，设计了雾信息提取模块（HIEM）和频率信息净化模块（FIPM）。HIEM在频率域从原始雾图像中捕获与雾相关的特征，随后由FIPM利用这些特征来增强去雾性能。此外，引入了空频融合模块（SFFM）以整合两个域的特征，有助于提升图像重建质量。在多个数据集上的实验结果表明，SFFDM网络在显著提升去雾性能的同时，能够保留丰富的颜色和纹理细节。
Keyword:
Deep learning
Diffusion model
Remote sensing image dehazing
Spatial domain
Frequency domain
期刊
S
IF:
2.7
论文数:
150
被引数:
0
机构
引用论文
RSHazeDiff: A Unified Fourier-Aware Diffusion Model for Remote Sensing Image DehazingRSHazeDiff: 用于遥感图像去模糊的统一傅立叶感知扩散模型
PREAI
分享收藏
Frequency domain-based latent diffusion model for underwater image enhancement基于频域的潜扩散模型的水下图像增强.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
分享收藏
查看更多内容