基于重建损失最小化的全卷积网络单幅图像去雾方法
计算机视觉与模式识别
2018-11-28 v1
摘要
雾霾和雾气会降低户外场景的可见度，如同在物体上覆盖了一层半透明的纱幕。因此，在此类条件下捕获的图像缺乏对比度。图像去雾方法试图通过恢复图像的清晰版本来缓解这一问题。本文提出一种基于全卷积神经网络（Fully Convolutional Neural Network）的模型，通过从有雾图像中联合估计环境光照和场景透射率来恢复清晰的场景辐射。该方法采用松弛的雾成像模型，以适应非均匀光照的情况。我们通过最小化一个自定义定义的损失来训练网络，该损失以三种不同方式度量有雾图像的重建误差。此外，我们采用多尺度方法来确定场景透射率和环境光照，以减少估计对图像尺度的依赖。评估表明，与现有的最先进方法相比，我们的模型表现良好，并验证了我们的模型在多样场景和各种光照条件下的潜力。
引用
@article{arxiv.1811.10788,
title = {Reconstruction Loss Minimized FCN for Single Image Dehazing},
author = {Shirsendu Sukanta Halder and Sanchayan Santra and Bhabatosh Chanda},
journal= {arXiv preprint arXiv:1811.10788},
year = {2018}
}
备注
12 pages, 9 figures, 3 tables