简介：

本文提出了一种新的基于斑块图的雾霾去除算法。传统的基于补丁的雾霾去除算法（例如，暗通道优先）通常以固定的补丁大小执行去雾。然而，它可能会导致一些问题，如过饱和和颜色失真。因此，在本文中，我们设计了一个自适应的、自动的面片大小选择模型，称为面片地图选择网络（PMS-Net），用于选择每个像素对应的面片大小。该网络是基于卷积神经网络（CNN）设计的，它可以从输入图像生成面片图。在合成图像和真实图像上的实验结果表明，结合所提出的PMS网络，雾霾去除性能远远优于最先进的算法，并且我们可以解决固定斑块大小所带来的问题。

总体构架：

提出的烟雾消除算法的流程图：

核心构架图：主要分为两个部分，编码部分：首先将输入图像通过一个3*3 filter16通道的卷积核映射到高维空间，然后通过Multiscale U-module从更高维度的数据中提取图像特征。解码部分：运用GCN进行解码上采样，BR保留图像边界信息，而且这种密集的连接可以合并高分辨率和低分辨率的信息，最终得到更好的patch map。

 提出的多W-ResBlock和多Deconv block的结构：

结果展示：

对测试A数据集进行定性分析：

对测试B数据集进行定性分析：