HazeSpace2M：用于雾感单图去雾的数据集

减少大气雾并增强图像清晰度对于计算机视觉应用至关重要。缺乏真实生活雾化ground truth图像的事实导致合成数据集成被广泛采用，而这些数据集往往缺乏多样化的雾类型，阻碍了有效的雾类型分类和去雾算法选择。本研究引入HazeSpace2M数据集，这是一个包含超过200万张图片的数据集，旨在通过雾类型分类来增强去雾效果。HazeSpace2M包含具有10个雾强度水平的多样化场景，包括雾、云和环境雾（Environmental Haze, EH）。使用该数据集，我们引入一种雾类型分类后再应用特定去雾器的技术，以清除雾化图像。与传统方法不同，我们的方法是在应用类型特定去雾之前对雾类型进行分类，从而提高了真实生活雾化图像的清晰度。在与最新（SOTA）模型进行基准测试后，ResNet50和AlexNet分别实现了92.75%和92.50%的准确率，远高于现有合成数据集。然而，这些模型在我们的真实雾化测试集（Real Hazy Testset, RHT）上分别仅达到80%和70%的准确率，凸显了HazeSpace2M数据集的具挑战性。额外实验表明，雾类型分类后再进行特定去雾相对于通用去雾器在PSNR、SSIM和MSE上分别提高了2.41%、17.14%和10.2%。此外，当在SOTA去雾模型上进行测试时，我们发现应用我们提出的框架会显著提升其性能。这些结果凸显了HazeSpace2M数据集和我们方法在解决大气雾问题中的重要意义。完整代码和数据集均可在GitHub上获取。