近日，我院青年教师周昊以第一作者在人工智能领域国际顶级刊物Knowledge-Based Systems（中科院SCI一区Top期刊，影响因子：8.139）发表论文《Physical-priors-guided DehazeFormer》。

该项研究提出了一种基于物理先验引导的深度图像去雾模型SwinTD-Net，该模型以监督学习和自监督学习的方式进行训练，并结合了物理先验和自注意力机制Transformer的优点，使得网络模型能够在物理先验的引导下进行特征学习，提高了模型的泛化能力，使其能够在人工合成的雾天图像和真实世界的雾天图像上都能实现良好的复原效果。此外，该工作还提出了一种多尺度暗光增强算法进行图像复原的后处理操作，可以在实现图像局部增强的同时提高人眼视觉的感知质量。大量实验表明，所提出的模型优于先进的方法。该项研究得到了池州学院国家基金培育项目“基于自监督学习的图像去雾算法研究”（编号CZ2021GP05）与安徽省高校优秀科研创新团队项目“电子信息处理与材料器件创新团队”（编号2022AH010098）的资助。(撰稿：马小琴/审核：陆克中)