沙尘图像重建的综合基准分析
图像与视频处理
2022-10-05 v2 计算机视觉与模式识别
摘要
近年来已提出众多沙尘图像增强算法。然而，据我们所知，大多数方法使用从互联网选取的少量真实图像以无参考方式评估其性能。目前尚不清楚如何以有监督方式定量分析了算法的性能，以及我们如何衡量该领域的进展。此外，由于缺少大规模基准数据集，迄今为止尚无基于数据驱动方法的沙尘图像增强的知名报道。为推动基于深度学习的沙尘图像重建算法的发展，同时实现算法性能的有监督客观评估，本文对真实世界沙尘图像进行了全面的感知研究与分析，进而构建了用于训练卷积神经网络（CNNs）和评估算法性能的沙尘图像重建基准（SIRB）。此外，我们采用在 SIRB 上训练的现有图像变换神经网络作为基线，以说明 SIRB 训练 CNNs 的泛化能力。最后，我们进行了定性与定量评估，以展示最先进（SOTA）方法的性能与局限，从而为沙尘图像重建的未来研究提供启示。
引用
@article{arxiv.2202.03031,
title = {A comprehensive benchmark analysis for sand dust image reconstruction},
author = {Yazhong Si and Fan Yang and Ya Guo and Wei Zhang and Yipu Yang},
journal= {arXiv preprint arXiv:2202.03031},
year = {2022}
}