近三年图像去雾论文信息

以下是近三年（2018-2020）图像去雾领域的部分论文信息：

1. "Densely Connected Pyramid Dehazing Network"（2018）：提出一种基于密集连接的金字塔去雾网络，能够有效地去除图像中的雾霾。

2. "Dual-Task Deep Learning for Cloud Removal and Dehazing of Remote Sensing Images"（2018）：提出一种双任务深度学习方法，可以同时去除遥感图像中的云和雾霾。

3. "A Novel Dehazing Method Based on Multi-Scale Fusion Network"（2019）：提出一种基于多尺度融合网络的新型去雾方法，能够在保持图像细节的同时有效去除雾霾。

4. "Enhanced Deep Residual Networks for Single Image Dehazing"（2019）：提出一种增强的深度残差网络，能够更好地去除图像中的雾霾。

5. "Adaptive Multi-Branch Dehazing Network for Single Image Dehazing"（2019）：提出一种自适应多分支去雾网络，能够根据不同的雾霾程度自适应地选择合适的去雾分支。

6. "A Novel Dehazing Method Based on Improved Dark Channel Prior and Multi-Scale Retinex"（2020）：提出一种基于改进的暗通道先验和多尺度Retinex的新型去雾方法，能够更好地去除图像中的雾霾。

7. "Multi-Scale Fusion Network with Global Context for Single Image Dehazing"（2020）：提出一种带有全局上下文的多尺度融合网络，能够在去除雾霾的同时保留图像的全局信息。

8. "A Deep Learning Approach for Single Image Dehazing Based on Multi-Scale Feature Fusion"（2020）：提出一种基于多尺度特征融合的深度学习方法，能够更好地去除图像中的雾霾