去雾相关的数据集

1. RESIDE

• 描述: RESIDE（REalistic Single Image DEhazing）数据集是一个大规模的去雾基准数据集，包含合成和真实世界的模糊图像。它分为五个子集，旨在公平评估和比较单图像去雾算法。
• 子集:
  • ITS (Indoor Training Set): 包含室内合成图像。
  • OTS (Outdoor Training Set): 包含室外合成图像。
  • SOTS (Synthetic Objective Testing Set): 用于客观测试的合成图像。
  • RTTS (Real-world Task-Driven Testing Set): 真实场景图像。
  • HSTS (Hybrid Subjective Testing Set): 结合主观和客观评估的图像。
• 用途: 用于训练和评估去雾算法，提供多样的评估标准。
• 下载链接: RESIDE 数据集 [1][3].

2. D-HAZY

• 描述: D-HAZY数据集建立在Middlebury和NYU深度数据集上，包含1400多对图像，提供同一场景的地面真实参考图像和模糊图像。
• 特点: 数据集包含多种场景，适合进行去雾算法的评估。
• 用途: 用于研究和开发去雾算法，特别是在立体匹配和深度学习方面。
• 下载链接: D-HAZY 数据集 [2][3].

3. NH-HAZE

• 描述: NH-HAZE是一个非均匀的真实数据集，包含55个室外场景的成对图像，使用专业雾发生器模拟真实条件。
• 特点: 该数据集引入了非均匀雾，适合验证去雾方法在复杂环境下的表现。
• 用途: 用于评估去雾算法在非均匀雾霾环境下的效果。
• 下载链接: NH-HAZE 数据集 [2][3].

4. DENSE-HAZE

• 描述: DENSE-HAZE数据集包含33对真实的朦胧图像和相应的无雾图像，特征为浓密均匀的朦胧场景。
• 特点: 通过引入由专业雾霾机器生成的真实雾霾来记录雾霾场景。
• 用途: 用于研究去雾算法在浓密雾霾条件下的表现。
• 下载链接: DENSE-HAZE 数据集 [2][3].

5. REVIDE

• 描述: REVIDE是一个真实的视频去雾数据集，包含成对的有雾和无雾视频，旨在支持视频去雾算法的监督训练。
• 特点: 通过精心设计的视频采集系统记录，能够利用时空冗余信息进行去雾。
• 用途: 用于训练和评估视频去雾算法。
• 下载链接: REVIDE 数据集 [2][3].

6. HazeRD

• 描述: HazeRD是一个用于基准测试去雾算法的户外场景数据集，提供真实的雾霾条件下的图像。
• 特点: 包含多种自然模糊图像与无雾的室外场景图像。
• 用途: 用于评估去雾算法在真实环境中的表现。
• 下载链接: HazeRD 数据集 [5].