C2MSNet：一种用于单幅图像去雾的新方法
计算机视觉与模式识别
2018-01-26 v1
摘要
由于雾的存在导致图像质量下降是一种非常普遍的现象。现有的 DehazeNet [3]、MSCNN [11] 解决了手工设计的雾相关特征的缺陷。然而，这些方法在昏暗（光照不足）环境下存在色彩失真问题。本文提出了一种用于单幅图像去雾的基色（红、绿、蓝）融合网络。在第一阶段，网络融合雾图中存在的颜色信息并生成多通道深度图。第二阶段利用多通道多尺度卷积神经网络（McMs-CNN）从生成的暗通道中估计场景透射率图，以恢复原始场景。为训练所提出的网络，我们使用了两个标准数据集，即 ImageNet [5] 和 D-HAZY [1]。所提方法的性能评估采用结构相似性指数（SSIM）、均方误差（MSE）和峰值信噪比（PSNR）进行。性能分析表明，所提方法在单幅图像去雾方面优于现有的 SOTA 方法。
引用
@article{arxiv.1801.08406,
title = {C2MSNet: A Novel approach for single image haze removal},
author = {Akshay Dudhane and Subrahmanyam Murala},
journal= {arXiv preprint arXiv:1801.08406},
year = {2018}
}
备注
Accepted in Winter Conference on Applications of Computer Vision (WACV-2018)