用于单幅图像去雾的级联卷积神经网络
计算机视觉与模式识别
2018-03-22 v1
摘要
在户外场景下拍摄的图像通常由于悬浮的大气颗粒而存在对比度低和可见度有限的问题，这直接影响了照片质量。尽管已经提出了许多图像去雾方法，但有效的有雾图像恢复仍然是一个具有挑战性的问题。现有的基于学习的方法通常通过卷积神经网络预测介质透射率，但忽略了关键的全局大气光。与以往基于学习的方法不同，我们提出了一种用于单幅有雾图像恢复的灵活级联 CNN，它通过两个任务驱动的子网络联合考虑介质透射率和全局大气光。具体而言，介质透射率估计子网络受密集连接 CNN 的启发，而全局大气光估计子网络是一个轻量级 CNN。此外，这两个子网络通过共享公共特征进行级联。最后，利用估计的模型参数，通过大气散射模型反演获得无雾图像，实现了更准确和有效的恢复性能。在合成和真实世界有雾图像上的定性和定量实验结果表明，所提出的方法有效地去除了此类图像中的雾气，并优于几种 state-of-the-art 的去雾方法。
引用
@article{arxiv.1803.07955,
title = {A Cascaded Convolutional Neural Network for Single Image Dehazing},
author = {Chongyi Li and Jichang Guo and Fatih Porikli and Huazhu Fu and Yanwei Pang},
journal= {arXiv preprint arXiv:1803.07955},
year = {2018}
}
备注
This manuscript is accepted by IEEE ACCESS