UR2P-Dehaze：基于无配对丰富物理先验学习的简单图像去雾增强器
计算机视觉与模式识别
2025-01-14 v1
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（Unpaired Rich Physical Prior Dehaze, UR2P-Dehaze）。首先，为了准确估计薄雾图像的照明、反射和颜色信息，我们设计了一个共享先验估计器（Shared Prior Estimator, SPE），通过迭代训练确保照明和反射的一致性，从而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。接着，我们提出了动态小波可分离卷积（Dynamic Wavelet Separable Convolution, DWSC），有效地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。在基准数据集上的PSNR、SSIM、LPIPS、FID和CIEDE2000指标显示，我们的方法实现了最先进的性能。方法还 contrib uted to downstream tasks 的性能提升。项目代码将在https://github.com/Fan-pixel/UR2P-Dehaze 上提供。
引用
@article{arxiv.2501.06818,
title = {UR2P-Dehaze: Learning a Simple Image Dehaze Enhancer via Unpaired Rich Physical Prior},
author = {Minglong Xue and Shuaibin Fan and Shivakumara Palaiahnakote and Mingliang Zhou},
journal= {arXiv preprint arXiv:2501.06818},
year = {2025}
}