基于无配对丰富物理先验的简单图像去雾增强器UR2P-Dehaze
介观与纳米尺度物理
2025-01-14 v1 材料科学
摘要
图像去雾技术旨在增强对比度并恢复细节，这对于保留视觉信息和提高图像处理准确性至关重要。现有方法依赖单一手动先验，无法有效揭示图像细节。为克服这一限制，我们提出了一种无配对图像去雾网络，称为通过无配对丰富物理先验的简单图像去雾增强器（UR2P-Dehaze）。首先，为了准确估计 hazy 图像的照明、反射和颜色信息，我们设计了一个共享先验估计器（SPE），通过迭代训练以确保照明和反射的一致性，生成清晰、高质量的图像。此外，引入了自监控机制以消除不良特征，为图像重建提供可靠的先验。接下来，我们提出了动态小波可分离卷积（DWSC），有效整合低频和高频关键特征，显著增强图像细节的保留并确保全局一致性。最后，为了有效恢复图像的颜色信息，我们提出了自适应颜色校正器（Adaptive Color Corrector），以解决颜色不清晰的问题。在基准数据集上，PSNR、SSIM、LPIPS、FID和CIEDE2000指标显示，我们的方法实现了最先进的性能。该方法还提高了下游任务的性能。项目代码将在https://github.com/Fan-pixel/UR2P-Dehaze 上提供。
引用
@article{arxiv.2501.06817,
title = {Switching Graphitic Polytypes in Elastically Coupled Islands},
author = {Nirmal Roy and Simon Salleh Atri and Yoav Sharaby and Noam Raab and Youngki Yeo and Watanabe Kenji and Takashi Taniguchi and Moshe Ben Shalom},
journal= {arXiv preprint arXiv:2501.06817},
year = {2025}
}