基于正交变换生成对抗网络的图像去雾

图像去雾已成为任何计算机视觉任务的关键预处理步骤之一。大多数去雾方法试图估计透射率图与大气光，以在图像域中获得去雾图像。本文提出一种新颖的端到端架构，直接在 Krawtchouk 变换域中估计去雾图像。为此，在架构中加入定制的 Krawtchouk 卷积层（KCL）。KCL 由 Krawtchouk 基函数构造，将图像从空间域转换到 Krawtchouk 变换域。架构末端加入另一卷积层，称为逆 Krawtchouk 卷积层（IKCL），将图像从变换域转换回空间域。观察到雾主要存在于有雾图像的低频中，而 Krawtchouk 变换有助于分别分析图像的高频与低频。我们将架构分为两个分支，上分支处理高频，下分支处理图像的低频。下分支在层数上比上分支更深，以解决低频中存在的雾。使用所提出的基于正交变换生成对抗网络（OTGAN）架构进行图像去雾，与当前最先进方法相比，我们取得了有竞争力的结果。