基于逐步和相互强化夜间雾霾先验的夜间浑浊图像增强
计算机视觉与模式识别
2026-01-06 v1
摘要
增强夜间浑浊图像的可见性具有挑战性 due to 复杂的退化分布。现有方法主要单独处理一种退化类型（如雾霾或低光），忽略不同退化类型之间的相互作用，导致可见性改进有限。我们观察到，低光和雾霾先验之间共享的领域知识可以相互强化以获得更好的可见性。基于此关键洞察，本文提出了一种新框架，通过相互和逐步强化雾霾和低光先验之间的内在一致性来增强夜间浑浊图像的可见性。具体而言，我们的模型利用 operate across visual and frequency domains 的图像、块和像素级专家，逐步恢复全局场景结构、区域模式和细粒度细节。进一步引入频率感知路由器，以适应性地引导每个专家的贡献，确保鲁棒的图像恢复。广泛实验表明，我们的模型在夜间去雾基准测试中在定量和定性方面表现出优越性能。此外，我们展示了模型在日间去雾和低光增强任务中的通用性。
引用
@article{arxiv.2601.01998,
title = {Nighttime Hazy Image Enhancement via Progressively and Mutually Reinforcing Night-Haze Priors},
author = {Chen Zhu and Huiwen Zhang and Mu He and Yujie Li and Xiaotian Qiao},
journal= {arXiv preprint arXiv:2601.01998},
year = {2026}
}