基于布朗桥扩散模型的单幅图像去雾研究

针对现有扩散模型在图像去雾任务中因域间特征差异导致的跨域转换质量受限问题，本研究突破传统条件生成框架对有雾与清晰域间分布差异建模的局限性，提出基于布朗桥扩散模型的新型去雾方法。基于布朗桥扩散模型的新型转换框架，将有雾域与清晰域之间的图像转换建模为随机布朗桥过程。通过设计双向扩散机制，构建雾化图像与清晰图像间的双向扩散轨迹，实现两个域间特征分布的端到端联合学习。实验结果表明，本方法在跨域图像转换任务中展现出显著优势，其双向扩散机制有效克服了传统条件生成模型的域间差异问题，在RESIDE数据集上取得37.26 dB的峰值信噪比、0.9813的结构相似度以及2.67的自然图像质量评估。布朗桥扩散模型通过构建有雾域与清晰域间的双向布朗运动轨迹，实现了雾气退化特征与清晰图像特征的定向解耦与精准对齐，显著提升了复杂大气散射场景下的图像复原精度。