使用深度网络联合估计透射率图与去雾
计算机视觉与模式识别
2019-04-23 v2
摘要
由于其固有的病态性质，单幅图像去雾是一个极具挑战性的问题。文献中已提出多种基于先验和基于学习的方法来解决此问题，并取得了优异的结果。然而，现有的大多数方法假设恒定大气光模型，并倾向于遵循两步过程：使用基于先验的方法估计透射率图，随后利用闭式解计算去雾图像。在本文中，我们放宽了恒定大气光假设，提出了一种新颖的统一单幅图像去雾网络，该网络联合估计透射率图并执行去雾。换言之，我们的新方法提供了一个端到端学习框架，其中固有的透射率图和去雾结果直接从损失函数中学习得到。在具有挑战性的雾天图像的合成和真实数据集上的大量实验表明，所提出的方法相比 SOTA 方法取得了显著改进。
引用
@article{arxiv.1708.00581,
title = {Joint Transmission Map Estimation and Dehazing using Deep Networks},
author = {He Zhang and Vishwanath Sindagi and Vishal M. Patel},
journal= {arXiv preprint arXiv:1708.00581},
year = {2019}
}
备注
This paper has been accepted in IEEE-TCSVT