基于独立细节恢复网络的单幅图像去雾
计算机视觉与模式识别
2021-09-23 v1
摘要
单幅图像去雾是影响许多计算机视觉任务性能的预处理步骤,近年来受到越来越多的关注。然而,大多数现有去雾方法更侧重去雾,而较少关注去雾后图像的细节恢复。本文提出一种带有独立细节恢复网络(DRN)的单幅图像去雾方法,该方法通过独立网络从输入图像中捕获细节,并将其融合到粗去雾图像中。整体网络由两个独立网络组成,分别称为 DRN 与去雾网络。具体而言,DRN 旨在通过局部与全局分支恢复去雾图像细节。局部分支可通过卷积层获取局部细节信息,全局分支可通过平滑空洞卷积(SDC)捕获更多全局信息。细节特征图被融合至粗去雾图像,以获得具有丰富图像细节的去雾图像。此外,我们将 DRN、基于物理模型的去雾网络与重建损失集成到一个端到端联合学习框架中。在公开图像去雾数据集(RESIDE-Indoor、RESIDE-Outdoor 与 TrainA-TestA)上的大量实验说明了所提方法中各模块的有效性,并表明我们的方法在定量与定性上均优于最先进的去雾方法。代码发布于 https://github.com/YanLi-LY/Dehazing-DRN。
引用
@article{arxiv.2109.10492,
title = {Single Image Dehazing with An Independent Detail-Recovery Network},
author = {Yan Li and De Cheng and Jiande Sun and Dingwen Zhang and Nannan Wang and Xinbo Gao},
journal= {arXiv preprint arXiv:2109.10492},
year = {2021}
}