真实日光雾下单幅图像去雾方法的评估
计算机视觉与模式识别
2020-09-01 v1 人工智能
摘要
雾会急剧降低可见度与图像质量，从而削弱目标检测等计算机视觉任务的性能。尽管被广泛研究，单幅图像去雾仍是一个具有挑战性且不适定的问题。大多数现有方法假设雾具有均匀/同质分布且为单一颜色（即类似烟雾的灰白色），而现实中雾可能以不同图样与颜色非均匀分布。本文关注日光产生的雾，因为它是野外最普遍的雾类型之一。日光会因太阳光线产生密度变化剧烈的非均匀分布雾，并因日间日光颜色变化产生一系列雾颜色。这给图像去雾方法带来了新挑战。要使这些方法实用，需解决此问题。为量化挑战并评估这些方法性能，我们提出一个日光雾基准数据集Sun-Haze，含107张由日光产生、具有不同强度与颜色的各类雾图。我们在该基准数据集上依据PSNR、SSIM、CIEDE2000、PI与NIQE等标准指标评估一组具代表性的SOTA图像去雾方法。这揭示了当前方法的局限，并对其基本假设与实用性提出质疑。
引用
@article{arxiv.2008.13377,
title = {Evaluating Single Image Dehazing Methods Under Realistic Sunlight Haze},
author = {Zahra Anvari and Vassilis Athitsos},
journal= {arXiv preprint arXiv:2008.13377},
year = {2020}
}