密集连接金字塔去雾网络
计算机视觉与模式识别
2018-03-23 v1 图像与视频处理
摘要
我们提出了一种新的端到端单幅图像去雾方法，称为密集连接金字塔去雾网络（DCPDN），该方法可以联合学习透射图、大气光和去雾。通过将大气散射模型直接嵌入网络，实现了端到端学习，从而确保所提方法严格遵循物理驱动的散射模型进行去雾。受密集网络能够最大化不同层级特征间信息流的启发，我们提出了一种新的边缘保持密集连接编码器-解码器结构，并带有用于估计透射图的多级金字塔池化模块。该网络使用新引入的边缘保持损失函数进行优化。为了进一步结合估计透射图与去雾结果之间的相互结构信息，我们提出了一种基于生成对抗网络框架的联合判别器，以判定相应的去雾图像和估计透射图是真实的还是伪造的。我们进行了消融研究，以证明在估计透射图和去雾结果上评估的每个模块的有效性。大量实验表明，所提方法相较于state-of-the-art方法取得了显著改进。代码将发布于：https://github.com/hezhangsprinter
引用
@article{arxiv.1803.08396,
title = {Densely Connected Pyramid Dehazing Network},
author = {He Zhang and Vishal M. Patel},
journal= {arXiv preprint arXiv:1803.08396},
year = {2018}
}