基于YCbCr色彩空间的引导式真实图像去雾
计算机视觉与模式识别
2024-12-25 v2
摘要
图像去雾（尤其是基于学习的方法）因其在现实世界应用的重要性而受到广泛关注。然而，仅依赖RGB色彩空间往往不足，常常留下残余雾霾。这源于两个主要问题：从浑浊的RGB图像中获取清晰纹理特征困难，以及在受控环境之外获取真实雾霾/干净图像对的复杂性。为此，我们首先提出一种新型结构引导去雾网络（SGDN），利用YCbCr特征相对于RGB空间的优越结构属性。该网络包含两个关键模块：双色彩引导桥（BGB）和色彩增强模块（CEM）。BGB集成了相位集成模块和交互注意力模块，利用YCbCr空间中丰富的纹理特征引导RGB空间，从而在频域和空间域中恢复更清晰的特征。为保持色调一致性，CEM进一步通过聚合YCbCr通道信息来增强RGB特征的色彩感知。此外，为有效实现监督学习，我们引入了真实世界良好对齐雾霾数据集（RW²AH），该数据集包含来自多个地理区域和气候条件的多样化场景。实验结果表明，我们的方法在多个真实烟雾/雾霾数据集上超越了现有的最先进方法。代码与数据集: \textcolor{blue}{\url{https://github.com/fiwy0527/AAAI25_SGDN.}}
引用
@article{arxiv.2412.17496,
title = {Guided Real Image Dehazing using YCbCr Color Space},
author = {Wenxuan Fang and Junkai Fan and Yu Zheng and Jiangwei Weng and Ying Tai and Jun Li},
journal= {arXiv preprint arXiv:2412.17496},
year = {2024}
}