基于神经增强的双尺度单图像去雾
计算机视觉与模式识别
2022-10-12 v1 图像与视频处理
摘要
基于模型的单图像去雾算法能为真实世界雾图恢复出边缘锐利、细节丰富的无雾图像，但在合成雾图上却以较低的 PSNR 和 SSIM 值为代价。数据驱动的方法能在合成雾图上恢复出具有高 PSNR 和 SSIM 值的无雾图像，但在真实世界雾图上却对比度低，甚至残留部分雾。本文通过结合基于模型与数据驱动的方法，提出了一种新颖的单图像去雾算法。首先利用基于模型的方法估计透射率图与大气光，随后通过基于双尺度生成对抗网络（GANs）的方法进行细化。所得算法形成了一种神经增强，其收敛极快，而相应的数据驱动方法可能不收敛。利用估计的透射率图、大气光以及 Koschmieder 定律恢复无雾图像。实验结果表明，所提算法能很好地去除真实世界与合成雾图中的雾。
引用
@article{arxiv.2209.05913,
title = {Dual-Scale Single Image Dehazing Via Neural Augmentation},
author = {Zhengguo Li and Chaobing Zheng and Haiyan Shu and Shiqian Wu},
journal= {arXiv preprint arXiv:2209.05913},
year = {2022}
}
备注
Single image dehazing, dual-scale, neural augmentation, haze line averaging, generative adversarial network. arXiv admin note: substantial text overlap with arXiv:2111.10943