面向航拍图像去雾的域感知无监督高光谱重建
计算机视觉与模式识别
2020-11-10 v1
摘要
航拍图像中的去雾是一项具有挑战性的问题，原因在于空间细节的显著变化与对比度的变动。颗粒物密度变化常导致能见度下降。因此，若干方法利用多光谱数据作为去雾的辅助信息。本文中，我们提出 SkyGAN 用于航拍图像去雾。SkyGAN 由 1）域感知的有雾到高光谱（H2H）模块，以及 2）基于条件 GAN（cGAN）的多线索图像到图像翻译模块（I2I）用于去雾组成。所提出的 H2H 模块以无监督方式从 RGB 图像重建若干视觉波段，克服了有雾高光谱航拍图像数据集的缺乏。该模块利用任务监督与域适应来创建用于图像去雾的“高光谱催化剂”。I2I 模块使用该高光谱催化剂与 12 通道多线索输入，并利用整个视觉光谱执行有效的图像去雾。此外，本工作引入了一个称为有雾航拍图像（HAI）数据集的新数据集，包含超过 65,000 对有雾与真实无雾航拍图像，具有密度变化的真实非均匀雾。SkyGAN 的性能在近期 SateHaze1k 数据集与 HAI 数据集上进行了评估。我们还基于 PSNR 与 SSIM，使用一组具代表性的 SOTA 技术对 HAI 数据集进行了综合评估。
引用
@article{arxiv.2011.03677,
title = {Domain-Aware Unsupervised Hyperspectral Reconstruction for Aerial Image Dehazing},
author = {Aditya Mehta and Harsh Sinha and Murari Mandal and Pratik Narang},
journal= {arXiv preprint arXiv:2011.03677},
year = {2020}
}
备注
WACV-2021