结合光吸收和大气散射模型的可解释图像去雾网络

在雾霾天气下拍摄的图像存在对比度低和颜色偏移的问题,这会进一步影响后续高级计算机视觉应用的准确性。大气散射模型(Atmospheric Scattering Model,ASM)作为图像去雾中的热门技术之一,越来越受到研究者的关注。然而,现有的基于ASM的方法由于忽略了光陷现象而会引起暗淡效应。为了解决这个问题,构建了一种基于光吸收的可解释图像去雾网络。具体地,首先构建了一种基于光吸收的大气散射模型(Light Absorption-based ASM,LA-ASM),在ASM中引入了由纹理密度和场景深度定义的光吸收系数。此外,构建了一种可解释网络LA-ASMNet,该网络通过学习LA-ASM的雾气成分来辅助图像去雾。基于RESIDE数据集的仿真结果证明了LA-ASMNet在缓解图像去雾暗淡效应方面的有效性。