【图像去雾数据集】I-Haze真实室内图像数据集介绍

已于 2024-11-23 21:12:08 修改
阅读量1.1k 收藏 5
点赞数 14
文章标签： 人工智能 计算机视觉 目标跟踪 图像处理
于 2024-11-22 22:07:22 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zly19980718/article/details/143983318
版权

I-HAZE数据集对应论文：I-HAZE: a dehazing benchmark with real hazy and haze-free indoor images（ACIVS 2018）

I-HAZE数据集下载链接：https://data.vision.ee.ethz.ch/cvl/ntire18//i-haze/

I-HAZE数据集蒂米什瓦拉理工大学、苏黎世联邦理工大学和鲁汶大学联合发布，包含35对有雾霾和对应的无雾霾室内图像。其中，雾霾图像是在使用专业雾霾机器产生的真实雾霾条件下拍摄的，该机器能够高保真地模拟真实的雾霾条件。I-HAZE 数据集提供了更多场景，具有更丰富的物体结构和颜色种类。此外，由于图像是在受控环境中采集的，因此有雾和无雾图像都是在相同的照明条件下捕获的。

2018年，CVPR下NTIRE（New Trends in Image Restoration and Enhancement）研讨会举办针对真实雾场景的目标检测挑战赛，I-HAZE数据集被选为挑战赛数据集。

本博客主要站在使用者角度简单介绍I-HAZE数据集，想了解更详细的内容请看原始论文（文中还描述了很多采集图像的细节，如采用什么型号的雾霾产生机器、采用什么型号的相机拍摄照片等）！

参考文章：

1、图像去雾领域数据集 | PlanZ (moonglowshadow.com)

2、I-HAZE 模糊室内图像数据集 / 数据集 / HyperAI超神经 | HyperAI超神经

3、图像增强方向开源数据集汇总-CSDN博客

去雾/雾天数据集整理（done）
木槿qwer的博客
04-03 3617
统计之前看到的雾天数据集信息
去雾算法数据集：NH-HAZE数据集
04-13
NH-HAZE数据集源于以下paper: [1] C.O. Ancuti, C. Ancuti, R. Timofte "NH-HAZE: An Image Dehazing Benchmark with Non-Homogeneous Hazy and Haze-Free Images", IEEE CVPR NTIRE Workshop, 2020 [2] C.O. Ancuti, C. Ancuti, F.A. Vasluianu, R. Timofte et al. "NTIRE 2020 Challenge on NonHomogeneous Dehazing", IEEE CVPR NTIRE Workshop, 2020
【图像去雾数据集】OTS室外合成数据集介绍
zly19980718的博客
12-15 1410
haze文件夹中包含part1、part2、part3、part4四个子文件夹，part1文件夹中包含18200张合成的有雾图像，part2文件夹中也包含18200张合成的有雾图像，part3文件夹中同样包含18200张合成的有雾图像，part4文件夹中包含17535张合成的有雾图像；haze文件夹下四个子文件夹中总的有雾图像的数量为：18200 + 18200 + 18200 + 17535 = 72135。OTS包含313,950张从真实户外场景中收集到的合成的图像，但不包含深度信息。
DehazeZoo:DehazeZoo用于收集除雾方法，数据集和代码
03-20
DehazeZoo（基于单个图像与视频） ，李玉凤，黄玉凤 1说明 DehazeZoo：一项关于从视频和单个图像中去除雾霾的调查。维护论文，代码和数据集。 感谢有分享 。 有关图像去雾和去油的更多详细信息，请参见。 2图像质量指标 PSNR（峰值信噪比） SSIM（结构相似性） VIF（视觉质量） FSIM（功能相似性） NIQE（自然度图像质量评估器） 3除雾研究 3.1数据集 3R [] [] KITTI [论文] [] RESIDE [] [] HazeRD [] [] SceneNet [论文] [] I-HAZE [] [] O-HAZE [] [] D-HAZY [ ] [ ] Middlebury [] [] 3DRealisticScene [] [] 纽约大学深度数据集V2 [] [] 3.2论文 2021年 Shy
CVPR 2022 Self-augmented Unpaired Image Dehazing via Density and Depth Decomposition个人学习笔记
zhouaho2010的博客
09-05 3383
Abstract为了克服在合成的模糊-干净图像对上训练的去模糊模型的过拟合问题，最近的许多方法试图通过对未配对数据进行训练来提高模型的泛化能力generalization ability。其中大多数只是简单地制定了去雾化和再雾化循环，而忽略了现实世界中雾霾环境的物理性质，即雾霾随密度和深度而变化。.在本文中，我们提出了一种自增强的图像去雾框架，称为D4（通过将传输图分解为密度和深度来去雾），用于雾霾的产生和去除。所提出的框架不是仅仅估计传输图或干净内容，而是侧重于探索exploring模糊和干净图像中包含
Haze removal for single image: A comprehensive review单幅图像的雾霾去除:一个全面的回顾2023
m0_75262530的博客
08-21 2118
摘要：图像去雾一直是计算机视觉领域的研究热点，雾霾对相机成像质量影响很大。因此，在过去的几十年里，人们提出了许多图像去雾方法。为了帮助初涉该领域的研究人员快速了解图像除雾的发展历史和现状，本文对几种具有代表性的除雾方法进行了分析，评价了它们的优缺点，并从不同的角度指出了最佳的除雾方法。大量实验表明，一般认为AECR-Net是最好的除雾算法，Tarel方法是最好的实时除雾方法。此外，本文还讨论了图像去雾的主流基准、指标、挑战和机遇。 Introduction 雾霾对机器视觉系统的性能有很大的影响。雾霾
Awesome Dehazing 去雾算法合集 及 雾图像数据集网址
u014546828的博客
05-07 8199
Awesome Dehazing This repository is the collection of dehazing methods. Among various dehazing algorithms, we've selected the datasets provide pose and map information. This repository includes t...
图像去雾代码-SOTS划分好的8：2数据集-训练好的去雾权重-包含推理代码
08-12
图像去雾代码-SOTS划分好的8：2数据集-训练好的去雾权重-包含推理代码 SOTS（Synthetic Objective Testing Set）去雾数据集是RESIDE（REalistic Single Image DEhazing）数据集的一个重要组成部分，专门用于单图像...
用于深度学习图像去雾的数据集
02-27
总的来说，这个数据集为深度学习图像去雾的研究提供了宝贵的资源，不仅有利于开发更有效的去雾算法，也能推动相关领域的进步，尤其是在自动驾驶、无人机航拍、监控系统等领域，图像去雾技术的应用具有重要意义。
Dense_Haze 浓雾数据集
09-24
CVPR 2019挑战赛Dense_Haze_NTIRE19 浓雾去雾数据集，含55张雾图像与对应的Ground Truth。CVPR 2019挑战赛Dense_Haze_NTIRE19 浓雾去雾数据集，含55张雾图像与对应的Ground Truth。CVPR 2019挑战赛Dense_Haze_NTIRE...
暗通道matlab代码-DehazeXZoo:DehazeXZoo
05-25
暗通道matlab代码DehazeZoo（基于单个图像与视频） ，李玉凤，黄玉凤 1说明 DehazeZoo：一项关于从视频和单个图像中去除雾霾的调查。 维护论文，代码和数据集。 感谢您的分享。 有关图像去雾和去油的更多详细信息可用。 2图像质量指标 PSNR（峰值信噪比） SSIM（结构相似性） VIF（视觉品质） FSIM（功能相似性） NIQE（自然度图像质量评估器） 3除雾研究 3.1数据集 KITTI [论文] [] RESIDE [] [] SceneNet [论文] [] I-HAZE [] [] O-HAZE [] [] D-HAZY [] [] 米德尔伯里[] [] 纽约大学深度数据集V2 [] [] 3.2论文 2020年 Sourya等人，用于非均匀图像去雾的快速深多补丁分层网络[] [代码] Dong等人，“具有密集特征融合的多尺度增强除雾网络”。 （CVPR）[] [] Li等人，《使用基于快速物理的除雾网络学习从现实场景除雾》。 [] [] Shao等人，“图像去雾的域自适应”。 （CVPR）[] [代码] [] Wu等人，《从单个图像中去除雾度和噪声的精确
雾天图片集合
07-01
最近在研究图像去雾，相信这些图片会为研究图像去雾的同学带来一定的帮助
深度学习去雾数据集RESIDE数据集，ITS
08-25
去雾数据集 ，reside数据集
图像去雾常见数据集
m0_68604571的博客
12-19 4136
上述数据集涵盖了室内、室外、真实和合成等多种场景，可以满足不同研究需求。在选择数据集时，建议根据具体任务的应用场景和目标选择合适的数据集，例如真实雾天图像适合模型的实际应用验证，而合成数据则适合模型的快速迭代和训练。希望本文能为从事图像去雾研究的朋友提供一些帮助！
图像增强方向开源数据集汇总
小白学视觉
04-06 335
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达编辑丨极市平台极市导读本文汇总了图像增强相关的数据集资源，均附有下载链接，更多数据集资源汇总：https://www.cvmart.net/dataSets。真实世界模糊图像数据集下载链接：http://suo.nz/2nk7w2训练集：182 个不同场景的 3,758 个图像对。测试集：50 个不同场景的 980 个图像对。...
遥感图像重建相关deepseek问答记录
溯源的专栏
02-20 818
这些任务旨在提升遥感图像的质量和信息量，便于后续分析和应用。
2019 DENSE-HAZE: A BENCHMARK FOR IMAGE DEHAZING WITH DENSE-HAZE AND HAZE-FREE IMAGES
zhouaho2010的博客
09-24 2353
Dense—Haze数据集下载：Dense_Haze浓雾数据集-深度学习文档类资源-CSDN下载 ABSTRACT 单图像去模糊处理是一个最近引起重要关注的不适定问题。尽管在过去的几年中，人们对去雾方法的兴趣显著增加，但由于缺乏真正的模糊和相应的无雾参考图像对，去雾方法的验证仍然在很大程度上不令人满意。为了解决这一限制，我们引入了密集的雾霾Dense-Haze——一个新的去雾霾数据集。密雾以密集、均匀的朦胧场景为特征，包含33对真实的朦胧和相应的无雾霾图像。通过引入由专业的雾霾机产生的真实的雾霾，记录了朦胧
PSNR/SSIM
w18226357716的博客
02-23 970
Method 会议名称 数据集 PSNR/SSIM Domain Adaptation for Image Dehazing（图像去雾的域自适应算法） [CVPR2020] SOTS 27.76/0.93 Ultra-High-Definition ImageDehazing via Multi-Guided Bilateral...
【图像去雾数据集】NH-HAZE真实非均匀雾图像数据集介绍
zly19980718的博客
11-23 1152
NH-HAZE数据集是由蒂米什瓦拉理工大学、赫罗纳大学和瑞士苏黎世联邦理工大学计算机视觉实验室创建，是第一个包含非均匀雾霾场景的去雾数据集，包含55对真实的有雾霾和对应的无雾霾户外图像。雾霾图像是在使用专业雾霾机器产生的真实雾霾条件下拍摄的。本博客主要站在使用者角度简单介绍NH-HAZE数据集，想了解更详细的内容请看原始论文（文中还描述了很多采集图像的细节，如采用什么型号的雾霾产生机器、采用什么型号的相机拍摄照片等）！该机器能够高保真地模拟真实的雾霾条件。
图像去雾数据集
最新发布
03-11
### 图像去雾的数据集 对于图像去雾的研究和开发工作，多个公开可用的数据集可以用于训练和测试算法。这些数据集提供了不同环境条件下的有雾图像及其对应的真实清晰图像。 #### 1. SOTS (Synthetic Outdoor Training Set) SOTS 是一个广泛使用的合成户外训练集，包含了多种场景类型的成对无雾/有雾图片。该数据集中不仅涵盖了城市街景还涉及自然风景等多种复杂背景情况[^1]。 #### 2. O-HAZE Dataset O-HAZE 提供了一组真实的带 haze 的照片以及通过特殊设备捕捉到的理想状态下的同一景象作为 ground truth 。此集合特别适合评估实际应用中的表现效果[^2]。 #### 3. NH-Haze Database NH-Haze 数据库是由 New Hampshire 大学创建的一系列真实世界中有不同程度雾霾影响的照片组成；它还包括一些经过处理后的版本用来模拟更严重的能见度降低状况[^3]。 #### 4. I-HARD (Indoor Hazy And Realistic Dehazing) 虽然主要针对室内环境设计，但是也包含了一些室外样本。I-HARD 特征在于其多样性——既有关于日常生活空间内的轻微烟尘干扰案例也有极端天气条件下拍摄的画面。 选择合适的数据集取决于具体应用场景的需求和技术方案的特点。例如，在研究新型基于深度学习的去雾方法时可能倾向于使用更大规模且标注详尽的人工生成或半自动构建的数据资源如 SOTS 或者 O-HAZE 这样的高质量基准测试平台来进行模型优化与性能对比分析。 ```python import os from PIL import Image def load_images_from_folder(folder): images = [] for filename in os.listdir(folder): img_path = os.path.join(folder, filename) try: with Image.open(img_path) as img: images.append(img) except IOError: print(f"Failed to open {img_path}") return images ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值