摘要
在复杂的大气条件下，遥感图像极易受到空间上不均匀的雾气影响，从而导致对比度下降以及结构细节丢失。此外，遥感场景通常具有复杂的空间结构、极不均匀的雾气分布以及较大的统计差异性，这些都进一步增加了雾气去除的难度。为了解决这一问题，我们从统计分布建模和区域自适应修复的角度，重新研究了遥感图像的雾气退化机制，并提出了一种基于动态直方图排序的Transformer去雾方法。具体而言，通过动态直方图排序机制，设计了一种直方图排序自适应注意力机制，将空间特征映射到统计分布域中，从而能够明确区分并精确建模不同雾气密度区域。同时，构建了一种感知自适应前馈网络，该网络采用了基于稳定路由的专家混合机制，根据局部纹理特征和整体雾气密度自适应选择修复策略，进而显著提升了模型在复杂遥感场景中的适应性。大量的实验结果表明，与现有方法相比，所提出的方法在多种遥感基准数据集上均表现出更优异的性能，有效提升了遥感图像的视觉质量和稳定性。
