乐球直播官网 院讯（通讯员：牛嘉明 庞雨婷）近日，人工智能与计算机视觉领域国际权威学术期刊Knowledge-Based Systems（KBS）、IEEE Transactions on Circuits and Systems for Video Technology（TCSVT）以及Pattern Recognition（PR）相继在线发表了乐球直播官网app 学术论文“Dual Prompts Guided Cross-Domain Transformer for Unified Day-Night Image Dehazing”、“Deep Unfolding Dehazing Network via Iterative Refinement and Self-Prompted Correction Learning”和“Haze Has Many Faces: Multi-Domain Haze Style Transfer for Diverse Haze Removal”。乐球直播官网 为论文的第一署名单位。KBS、TCSVT与PR均为中国计算机学会（CCF）推荐的国际权威学术期刊及中科院一区Top期刊，享有卓越学术声誉与深远国际影响力。

（1） Dual Prompts Guided Cross-Domain Transformer for Unified Day-Night Image Dehazing（刘建磊教授为第一作者，2024级研究生牛嘉明为第二作者）

该论文提出统一昼夜去雾新范式UDND并设计了 UDNDformer，针对现有去雾方法长期存在的“昼夜分治”问题，构建单一模型同时适配白天与夜晚等多光照、多退化耦合场景。该方法以双提示机制促进跨域表征学习，在保证退化建模一致性的同时提升细节复原与泛化能力。实验结果表明，UDNDformer 在多个昼夜去雾基准上取得稳定领先表现，并在下游视觉任务中验证了其对高层感知的积极增益，具备良好的真实应用价值。

（2）Deep Unfolding Dehazing Network via Iterative Refinement and Self-Prompted Correction Learning（2024级研究生庞雨亭为第一作者，刘建磊教授为通讯作者）

该论文针对复杂退化场景下去雾过程易产生误差累积和细节丢失的问题，提出了一种基于迭代精细化与自提示校正学习的深度展开去雾网络I³-Net。模型在深度展开架构基础上，采取迭代精细化策略（IRS）以实现清晰图像的逐级渐进式恢复，有效缓解单次前向传播的误差；同时引入了自提示校正学习机制（SCL），利用网络内部特征动态引导并校正迭代过程中的特征偏差。这种物理先验与自适应校正相融合的策略，实现了去雾特征的精准表达，显著提升了复原图像的清晰度与色彩保真度。

（3）Haze Has Many Faces: Multi-Domain Haze Style Transfer for Diverse Haze Removal（2025届本科生黄存川为第一作者，刘建磊教授为共同通讯作者）

针对现实世界中雾气呈现的多域特性（如非均匀雾、夜间彩色雾等），现有去雾方法往往因忽视不同域间雾特征的差异，导致在复杂异质雾条件下的去雾性能受限。围绕这一关键问题，论文基于在傅里叶域中的关键发现，提出了一种新颖的两阶段弱监督图像去雾框架 MDST-Dehaze，旨在通过精准捕捉并迁移特定域的雾分布，实现对多样化雾气场景的针对性去除。该论文首先利用傅里叶先验引导的风格迁移生成高质量且能有效丰富域间及域内雾气多样性的伪雾图像；随后基于教师-学生模型与对比学习，引导学生编码器在潜空间中学习无雾的特征表示，从而完成去雾任务，并由预训练的共享解码器重构出清晰图像。实验表明，该方法在RESIDE-SOTS、I/O-Haze、BeDDE和NHR等多个数据集上显著优于现有代表性方案，尤其在复杂场景的色彩保真与纹理恢复上表现卓越，为真实世界多域去雾提供了新的技术范式和思考。

以上研究均得到了山东省自然科学基金（ZR2024MF025）的资助支持。