语义单图像去雾
计算机视觉与模式识别
2018-04-19 v2
摘要
单图像去雾具有挑战性，因为单幅图像所含信息有限。以往的解决方案很大程度上依赖手工先验来弥补这一不足。近期的卷积神经网络（CNN）模型已被用于学习雾相关先验，但它们本质上充当高级图像滤波器。本文中我们提出一种新颖的语义方法用于单图像去雾。与现有方法不同，我们基于提取的语义特征推断颜色先验。我们认为语义上下文可被利用以给出用于（a）在干净图像上学习颜色先验与（b）估计环境光照的信息性线索。该设计使我们的模型能从具有强模糊性的困难情形（例如图像中饱和光照颜色与天空区域）中恢复干净图像。实验中，我们在合成与真实雾图上进行验证，我们的方法相较最先进方法展现出优越性能，表明语义信息有助于去雾任务。
引用
@article{arxiv.1804.05624,
title = {Semantic Single-Image Dehazing},
author = {Ziang Cheng and Shaodi You and Viorela Ila and Hongdong Li},
journal= {arXiv preprint arXiv:1804.05624},
year = {2018}
}