DFDNet：动态频率引导的去耀斑网络
计算机视觉与模式识别
2025-07-24 v1 图像与视频处理
摘要
夜间摄影中的强光源经常在图像中产生耀斑，显著降低视觉质量并影响下游任务的性能。尽管已取得一些进展，现有方法在处理大规模耀斑伪影和修复光源附近区域的结构损伤方面仍然存在困难。我们观察到，与空间域相比，这些具有挑战性的耀斑伪影在频率域中与参考图像的差异更为显著。因此，本文提出了一种新颖的动态频率引导去耀斑网络，该网络在频率域中将内容信息与耀斑伪影解耦，有效去除大规模耀斑伪影。具体来说，DFDNet主要由全局动态频率域引导模块和局部细节引导模块组成。全局动态频率域引导模块通过动态优化全局频率域特征，引导网络感知耀斑伪影的频率特性，有效分离耀斑信息与内容信息。此外，我们通过对比学习策略设计了一个局部细节引导模块，该模块将光源的局部特征与参考图像对齐，减少去耀斑造成的局部细节损伤，并改善细粒度图像恢复。实验结果表明，所提出的方法在性能上优于现有的最先进方法。代码可在\href{https://github.com/AXNing/DFDNet}{https://github.com/AXNing/DFDNet}获取。
引用
@article{arxiv.2507.17489,
title = {DFDNet: Dynamic Frequency-Guided De-Flare Network},
author = {Minglong Xue and Aoxiang Ning and Shivakumara Palaiahnakote and Mingliang Zhou},
journal= {arXiv preprint arXiv:2507.17489},
year = {2025}
}