图像去雾 2019CVPR PMS-Net【补丁图像选择网络】

最新推荐文章于 2024-04-25 12:55:42 发布

隔壁海狸鼠

最新推荐文章于 2024-04-25 12:55:42 发布

阅读量1.1k

点赞数

分类专栏：图像去雾论文解析分享文章标签：计算机视觉深度学习

本文链接：https://blog.csdn.net/qq_43065990/article/details/108178331

版权

提出原因：

常规patch-based haze removel algorithms 有缺点，也就是我们常说的暗通道先验在处理去雾图像时常会遇到 1）过饱和2）图像失真
本文亮点：

设计出一种自适应和自动补丁大小选择模型（PMS-Net），对应于每个像素去选择补丁大小。本文通过训练CNN，可以通过输入图像得到补丁图像。该网络运用于合成图像和真实有雾图像，训练结果良好。
相关知识点

1）暗通道先验
对应何凯明的暗通道先验（dark channel prior）,统计了大量的无雾图像，发现一条规律：每一幅图像的每一个像素的RGB三个颜色通道中，总有一个通道的灰度值很低。基于这个几乎可以视作是定理的先验知识，作者提出暗通道先验的去雾算法。

关注