面向视觉驱动的智能系统的多知识源夜间雾霾图像增强器
计算机视觉与模式识别
2025-06-17 v4 人工智能
摘要
显著物体检测 (Salient Object Detection, SOD) 在智能成像中发挥着关键作用，促进了在真实场景中对关键视觉元素的检测和分割。然而，日间雾霾、低光照以及夜间雾霾等恶劣成像条件严重降低了图像质量，阻碍了可靠的物体检测。为此，我们提出一种多知识源夜间雾霾图像增强器 (Multi-Knowledge-oriented Nighttime Haze Imaging Enhancer, MKoIE)，其集成了三个任务：日间去雾、低光增强和夜间去雾。MKoIE 包含两个关键创新组件：首先，网络采用任务导向的节点学习机制处理三个特定的退化类型：日间雾霾、低光和夜间雾霾条件，并嵌入自注意力模块以提升其在夜间成像中的性能。此外，多感受野增强模块通过三个具有不同扩张率的并行深度可分离卷积分支高效提取多尺度特征，通过最小的计算开销捕获完整的空间信息，以满足实时成像部署的要求。为确保最佳的图像重构质量和视觉特征，我们建议采用混合损失函数。在不同类型天气/成像条件下的广泛实验表明，MKoIE 优于现有方法，提升了智能成像的可靠性、准确性和操作效率。
引用
@article{arxiv.2502.07351,
title = {Multi-Knowledge-oriented Nighttime Haze Imaging Enhancer for Vision-driven Intelligent Systems},
author = {Ai Chen and Yuxu Lu and Dong Yang and Junlin Zhou and Yan Fu and Duanbing Chen},
journal= {arXiv preprint arXiv:2502.07351},
year = {2025}
}