AoSRNet：通过多知识融合的一体化场景恢复网络
计算机视觉与模式识别
2024-02-07 v1
摘要
光在非均匀成像介质中的散射和衰减或光照强度不一致会导致采集图像对比度不足和颜色失真，这限制了视觉驱动的智慧城市、自动驾驶汽车和智能机器人等领域的发展。在本文中，我们提出了一种通过多知识融合的一体化场景恢复网络（称为AoSRNet），以提高成像设备在典型低能见度成像场景（例如，雾霾、沙尘和低光照）中的可见度。它结合了伽马校正（GC）和优化线性拉伸（OLS）来创建细节增强模块（DEM）和颜色恢复模块（CRM）。此外，我们提出了一个多感受野提取模块（MEM），以衰减由GC非线性和OLS线性变换引起的图像纹理细节损失。最后，我们通过编码器-解码器细化由DEM、CRM和MEM生成的粗略特征，以生成最终的恢复图像。全面的实验结果表明，与其他最先进方法相比，AoSRNet具有有效性和稳定性。源代码可在\url{https://github.com/LouisYuxuLu/AoSRNet}获取。
引用
@article{arxiv.2402.03738,
title = {AoSRNet: All-in-One Scene Recovery Networks via Multi-knowledge Integration},
author = {Yuxu Lu and Dong Yang and Yuan Gao and Ryan Wen Liu and Jun Liu and Yu Guo},
journal= {arXiv preprint arXiv:2402.03738},
year = {2024}
}