FWB-Net：基于大气光估计的单图像去雾前白平衡色彩偏移校正网络
计算机视觉与模式识别
2021-01-22 v1
摘要
近年来，基于大气散射模型(ASM)的单图像去雾深度模型取得了显著成果。但这些模型的去雾输出存在色彩偏移。对ASM模型的分析表明，大气光因子(ALF)被设为标量，意味着ALF对于整幅图像是常数。然而，对于真实世界拍摄的图像，光照并非在整个图像上均匀分布，这带来了模型失配，并可能导致使用ASM的深度模型出现色彩偏移。鉴于此，本研究首先提出一种新的非均匀大气散射模型(NH-ASM)，以改进复杂光照条件下雾天图像的图像建模。其次，专门设计了一种新的基于U-Net的前白平衡模块(FWB-Module)，通过大气光估计在生成去雾结果之前校正色彩偏移。第三，创新性地提出了一种新的FWB损失用于训练FWB-Module，其对色彩偏移施加惩罚。最后，基于NH-ASM和前白平衡技术，开发了一种端到端的基于CNN的抑制色彩偏移去雾网络，称为FWB-Net。实验结果表明，我们所提FWB-Net在合成与真实世界图像去雾上的有效性和优越性。
引用
@article{arxiv.2101.08465,
title = {FWB-Net:Front White Balance Network for Color Shift Correction in Single Image Dehazing via Atmospheric Light Estimation},
author = {Cong Wang and Yan Huang and Yuexian Zou and Yong Xu},
journal= {arXiv preprint arXiv:2101.08465},
year = {2021}
}