MvKSR：面向雾雨退化的多视图知识引导场景恢复
计算机视觉与模式识别
2024-01-10 v2 图像与视频处理
摘要
高质量成像对于确保交通和工业等领域的安全监管和智能部署至关重要。它能够实现精确且详细的运营监控，从而便于及时发现潜在危险并进行高效管理。然而，大气雾霾和降水等恶劣天气条件会对图像质量产生重大影响。当大气中含有浓雾或水滴时，入射光发生散射，导致捕获的图像退化。这种退化表现为图像模糊和对比度降低，增加了智能成像系统（IIS）做出错误评估和解释的可能性。为了应对在雾雨条件下恢复退化图像的挑战，本文提出了一种新颖的多视图知识引导场景恢复网络（称为MvKSR）。具体而言，对退化图像进行引导滤波以分离高/低频分量。随后，使用基于编码器-解码器的多视图特征粗提取模块（MCE）从退化图像的不同视图中粗略提取特征。多视图特征精细融合模块（MFF）将在不同视图下的混合监督中学习和推断退化图像的恢复。此外，我们提出了一个空洞残差块来处理雾/雨/混合场景中的全局恢复和局部修复。大量实验结果表明，在IIS中恢复退化场景的效率和稳定性方面，MvKSR优于其他最先进的方法。
引用
@article{arxiv.2401.03800,
title = {MvKSR: Multi-view Knowledge-guided Scene Recovery for Hazy and Rainy Degradation},
author = {Dong Yang and Wenyu Xu and Yuan Gao and Yuxu Lu and Jingming Zhang and Yu Guo},
journal= {arXiv preprint arXiv:2401.03800},
year = {2024}
}