基于排序卷积神经网络的单幅图像去雾
计算机视觉与模式识别
2020-01-16 v1
摘要
单幅图像去雾旨在仅从输入的雾图或模糊图像中恢复清晰图像，是一个具有挑战性的不适定问题。分析现有方法，其共同关键步骤是估计每个像素的雾密度。为此，各种方法常启发式地设计雾相关特征。近期若干工作也通过直接利用卷积神经网络（CNN）自动学习特征。然而，这可能不足以充分捕捉雾图像的内在属性。为获得用于单幅图像去雾的有效特征，本文提出一种新颖的排序卷积神经网络（Ranking-CNN）。在 Ranking-CNN 中，提出一种新颖的排序层以扩展 CNN 的结构，从而可同时捕捉雾图像的统计与结构属性。通过以精心设计的方式训练 Ranking-CNN，可从大量雾图像块中自动学习到强大的雾相关特征。基于这些特征，利用通过随机森林回归训练的雾密度预测模型可有效去除雾。实验结果表明，在合成与真实世界基准图像上，我们的方法优于若干先前去雾方法。还从理论与实验两方面对提出的 Ranking-CNN 进行了综合分析。
引用
@article{arxiv.2001.05246,
title = {Single Image Dehazing Using Ranking Convolutional Neural Network},
author = {Yafei Song and Jia Li and Xiaogang Wang and Xiaowu Chen},
journal= {arXiv preprint arXiv:2001.05246},
year = {2020}
}