使用增强循环一致对抗网络端到端单图像去雾
计算机视觉与模式识别
2023-07-19 v1
摘要
单图像去雾是计算机视觉中一个经典且具有挑战性的问题。针对该问题的现有方法主要包括基于手工先验的方法（依赖大气退化模型的使用）和基于学习的方法（需要成对的雾-无雾训练样本图像）。然而在实践中，基于先验的方法由于其自身局限性容易失效，且成对训练数据极难获取。受 CycleGAN 网络原理启发，我们开发了一个端到端学习系统，该系统使用不成对的雾和无雾训练图像、对抗判别器以及循环一致性损失来自动构建去雾系统。与 CycleGAN 类似，我们的系统有两条变换路径；一条将雾图像映射到无雾图像域，另一条将无雾图像映射到雾图像域。我们的系统未采用单级映射，而是在每条变换路径中使用两级映射策略以增强去雾有效性。此外，我们通过将大气退化原理和天空先验嵌入网络，显式利用先验知识来将无雾图像映射到雾图像域。另外，我们还贡献了首个用于去雾研究的真实世界自然雾-无雾图像数据集。我们的多张真实雾图像数据集（MRFID）包含 200 个自然户外场景的图像。对于每个场景，有一张清晰图像和对应的四张不同雾浓度的雾图像，这些雾图像是从固定相机在一年内拍摄的图像序列中人工筛选出的。在合成与真实世界图像上针对若干最先进方法的定性与定量比较表明，我们的方法有效且在从雾图像恢复清晰图像方面表现优异。
引用
@article{arxiv.1902.01374,
title = {End-to-End Single Image Fog Removal using Enhanced Cycle Consistent Adversarial Networks},
author = {Wei Liu and Xianxu Hou and Jiang Duan and Guoping Qiu},
journal= {arXiv preprint arXiv:1902.01374},
year = {2023}
}
备注
Submitted to IEEE Transactions on Image Processing