随着信息化时代的来临,计算机视觉系统在视觉导航,视频监控,自动驾驶等领域发挥了巨大作用,然而目前视觉系统的性能与其成像接口收到图像质量息息相关,视觉系统在处理恶劣环境下的拍摄图片效果不佳,特别是在雾天拍摄的图像,由于细节丢失较多和可见度低,影响计算机视觉系统正常工作。因此,对雾天图像进行去雾是有必要的。本文基于卷积神经网络,在图像去雾任务中引入了注意力机制,主要从以下三方面展开研究:1.提出了基于选择性注意力机制的图像去雾方法,首先,本文首次将通道注意力和空间注意力用于图像去雾任务中,并且根据图像去雾任务的特点,改进了空间注意力。此外,本文提出了基于选择性注意力的融合模块,能够更好的融合通道注意力模块和空间注意力模块。为了验证本文算法的泛用性,本文还在图像去雨任务上做了实验,大量实验结果表明本文算法的有效性和泛用性。2.提出了基于非局部网络的图像去雾方法,该方法首次将自注意力运用于图像去雾任务中,本文分别在空间维度和通道维度上使用非局部操作来捕捉对应的全局特征。本文使用分块的思想降低空间维度上非局部操作的计算量,并且通过基于选择性注意力的融合模块对两种非局部模块进行融合,此外,本文改进了上一章网络中的残差连接结构,将浅层信息和深层信息汇聚,从网络的不同层上提取特征进行融合作为网络的输出。实验结果证明了该算法的有效性。3.设计并实现了图像去雾系统,用户可以直接从文件夹中挑选图像作为系统的输入,该系统可以一键去雾,快速得到去雾后的图像。