结合先验知识与CNN的单幅图像去雾
计算机视觉与模式识别
2021-11-16 v2
摘要
针对现有基于先验知识与假设的单幅图像去雾算法在实际应用中受到诸多限制，并可能存在噪声与光晕放大的问题，本文提出一种端到端系统，通过结合先验知识与深度学习方法以减少缺陷。首先通过加权引导图像滤波器（WGIF）将雾图分解为基础层与细节层，并从基础层估计大气光。随后，将基础层图像送入高效深度卷积网络以估计透射率图。为在不放大天空或浓雾场景噪声的情况下完整恢复靠近相机的物体，基于透射率图的值提出一种自适应策略。若某像素的透射率图较小，则最终通过大气散射模型利用雾图的基础层恢复无雾图像；否则，使用雾图本身。实验表明所提方法取得了优于现有方法的性能。
引用
@article{arxiv.2111.05701,
title = {Single image dehazing via combining the prior knowledge and CNNs},
author = {Yuwen Li and Chaobing Zheng and Shiqian Wu and Wangming Xu},
journal= {arXiv preprint arXiv:2111.05701},
year = {2021}
}