用于单图像去雾的渐进式深度学习方法
计算机视觉与模式识别
2021-02-23 v1
摘要
雾图的形成主要由反射光与环境大气光主导。现有去雾方法常忽略深度线索,在浓雾扰动可见性的远处区域失效。然而,我们注意到深度信息对透射率估计的引导可弥补随距离增大而下降的可见性。反之,良好的透射率估计也能促进雾图的深度估计。本文提出一种深度端到端模型,迭代估计图像深度与透射率图,以实现雾图的有效深度预测,并借助深度信息引导提升去雾性能。图像深度与透射率图被渐进式精炼,以更好地复原去雾图像。我们的方法受益于对图像深度与透射率图内在关系的显式建模,对远处雾区尤为有效。在基准数据集上的大量结果表明,所提网络在深度估计与除雾方面优于最先进的(state-of-the-art)去雾方法。
引用
@article{arxiv.2102.10514,
title = {Progressive Depth Learning for Single Image Dehazing},
author = {Yudong Liang and Bin Wang and Jiaying Liu and Deyu Li and Sanping Zhou and Wenqi Ren},
journal= {arXiv preprint arXiv:2102.10514},
year = {2021}
}