Enhancing Visibility in Nighttime Haze Images Using Guided APSF and Gradient Adaptive Convolution

要約

霞んだ夜景の視認性は、低照度、強い光芒、光散乱、多色光源の存在など、複数の要因によって頻繁に低下します。既存の夜間のデヘイズ処理手法は、グローや低照度条件の処理に苦戦することが多く、過度に暗いビジュアルや、抑制されていないグローの出力となる。本論文では、グローを抑制し、低照度領域を強調することで、単一の夜間霞画像からの視認性を向上させる。グロー効果を扱うために、我々のフレームワークはレンダリングされたグローペアから学習する。具体的には、夜間画像の光源を検出するために光源認識ネットワークを提案し、続いてAPSF（角度点広がり関数）に導かれたグローレンダリングを行う。その後、我々のフレームワークはレンダリングされた画像に対して学習され、その結果、グローが抑制される。さらに、霞んだシーンのエッジとテクスチャをキャプチャするために、勾配適応畳み込みを利用する。抽出されたエッジとテクスチャを活用することで、重要な構造的ディテールを失うことなく、シーンのコントラストを強化する。低照度の強度を高めるために、我々のネットワークは注目マップを学習し、ガンマ補正によって調整する。このアテンションは、低照度領域では高い値を持ち、霞やグロー領域では低い値を持つ。実際の夜間の霞画像に対する広範な評価により、我々の手法の有効性が実証された。我々の実験では、GTA5夜間霞データセットにおいて、我々の手法はPSNR 30.72dBを達成し、最先端手法を14$%$上回った。我々のデータとコードは以下で入手可能である：\https://github.com/jinyeying/nighttime_dehaze}。

要約(オリジナル)

Visibility in hazy nighttime scenes is frequently reduced by multiple factors, including low light, intense glow, light scattering, and the presence of multicolored light sources. Existing nighttime dehazing methods often struggle with handling glow or low-light conditions, resulting in either excessively dark visuals or unsuppressed glow outputs. In this paper, we enhance the visibility from a single nighttime haze image by suppressing glow and enhancing low-light regions. To handle glow effects, our framework learns from the rendered glow pairs. Specifically, a light source aware network is proposed to detect light sources of night images, followed by the APSF (Angular Point Spread Function)-guided glow rendering. Our framework is then trained on the rendered images, resulting in glow suppression. Moreover, we utilize gradient-adaptive convolution, to capture edges and textures in hazy scenes. By leveraging extracted edges and textures, we enhance the contrast of the scene without losing important structural details. To boost low-light intensity, our network learns an attention map, then adjusted by gamma correction. This attention has high values on low-light regions and low values on haze and glow regions. Extensive evaluation on real nighttime haze images, demonstrates the effectiveness of our method. Our experiments demonstrate that our method achieves a PSNR of 30.72dB, outperforming state-of-the-art methods by 14$\%$ on GTA5 nighttime haze dataset. Our data and code is available at: \url{https://github.com/jinyeying/nighttime_dehaze}.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL