计算机应用

作者：郭纪新, 张婷

单位：北京理工大学 自动化学院，北京 100081

关键词：图像去雾,Transformer,模型剪枝,费雪信息,黑塞矩阵,进化算法

基金：教育部产学合作协同育人项目(202102023015);北京市高等教育学会面上课题(MS2022045);北京理工大学研究生教研教改面上项目(2025YBJG006)

基于Transformer的图像去雾算法取得了较好去雾效果，但存在网络参数量大和去雾速度慢的问题。为实现对去雾网络冗余部分的定向修剪，在不影响去雾质量的前提下缩短去雾时间，提出一种基于组件协同优化剪枝的Transformer图像去雾方法CCOP-IDT（Component Collaborative Optimization Pruning Image Dehazing Transformer）。首先，采用5级Transformer构建去雾网络预训练模型；其次，将网络剪枝建模为优化问题，使用费雪信息评估权重参数重要度，并利用黑塞矩阵衡量剪枝组件对网络输出的联合影响，从而建立多种剪枝组件的协同优化方法；最后，采用进化算法求解最优剪枝率序列，从而得到预训练模型的最优子网络。实验结果表明，剪枝后的网络参数量控制在0.476×106，相较于剪枝前减少了28.8%，去雾时间缩短了25.0%；在合成有雾数据集RESIDE-6K上，所提方法的峰值信噪比（PSNR）达到29.60 dB，结构相似度（SSIM）达到0.968 7，与剪枝前相比仅分别降低了1.63%和0.46%。可见，在定量和定性评估上，所提方法都表现良好，能够在基本保持量化指标和主观观感的前提下，大幅减少模型参数量，提高图像去雾速度。

来源：2026年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第3期