Non-Homogeneous Haze Removal via Artificial Scene Prior and Bidimensional Graph Reasoning

要約

自然のシーンと霞の事前情報が不足しているため、視覚コンテンツを歪めることなく単一の画像から霞を完全に除去することは非常に困難です。
幸いなことに、現実のもやは通常、不均一な分布を示します。これは、部分的によく保存された領域で多くの貴重な手がかりを提供してくれます。
この論文では、人工シーン事前および二次元グラフ推論を介した非均質ヘイズ除去ネットワーク(NHRN)を提案します。
まず、ガンマ補正を繰り返し使用して、さまざまな露出条件下で人工的な複数のショットをシミュレートします。そのヘイズ度は異なり、下にあるシーンを前もって豊かにします。
次に、ローカル隣接関係を利用するだけでなく、二次元グラフ推論モジュールを構築して、特徴マップの空間次元およびチャネル次元で非ローカル フィルタリングを実行します。
ノードとヘイズによって汚染されたノード。
私たちの知る限り、これはグラフ推論ベースのフレームワークを介して不均一なヘイズを除去する最初の調査です。
さまざまなベンチマーク データセットで手法を評価します。
結果は、私たちの方法が、単一画像のかすみ除去タスクとぼんやりした画像理解タスクの両方で、多くの最先端のアルゴリズムよりも優れたパフォーマンスを達成することを示しています。
提案された NHRN のソース コードは、https://github.com/whrws/NHRNet で入手できます。

要約(オリジナル)

Due to the lack of natural scene and haze prior information, it is greatly challenging to completely remove the haze from a single image without distorting its visual content. Fortunately, the real-world haze usually presents non-homogeneous distribution, which provides us with many valuable clues in partial well-preserved regions. In this paper, we propose a Non-Homogeneous Haze Removal Network (NHRN) via artificial scene prior and bidimensional graph reasoning. Firstly, we employ the gamma correction iteratively to simulate artificial multiple shots under different exposure conditions, whose haze degrees are different and enrich the underlying scene prior. Secondly, beyond utilizing the local neighboring relationship, we build a bidimensional graph reasoning module to conduct non-local filtering in the spatial and channel dimensions of feature maps, which models their long-range dependency and propagates the natural scene prior between the well-preserved nodes and the nodes contaminated by haze. To the best of our knowledge, this is the first exploration to remove non-homogeneous haze via the graph reasoning based framework. We evaluate our method on different benchmark datasets. The results demonstrate that our method achieves superior performance over many state-of-the-art algorithms for both the single image dehazing and hazy image understanding tasks. The source code of the proposed NHRN is available on https://github.com/whrws/NHRNet.

arxiv情報

著者 Haoran Wei,Qingbo Wu,Hui Li,King Ngi Ngan,Hongliang Li,Fanman Meng,Linfeng Xu
発行日 2022-11-15 10:48:24+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV パーマリンク