用于单幅图像去雾的门控融合网络

在本文中，我们提出了一种高效的算法，可以直接从有雾的输入图像中恢复清晰的图像。所提出的算法基于一个端到端可训练的神经网络，该网络由编码器和解码器组成。编码器用于捕捉派生输入图像的上下文信息，而解码器则利用编码器学习到的表示来估计每个输入对最终去雾结果的贡献。构建的网络采用了新颖的融合策略，通过应用白平衡（White Balance, WB）、对比度增强（Contrast Enhancing, CE）和伽马校正（Gamma Correction, GC），从原始有雾图像中派生出三个输入。我们根据这些不同输入之间的外观差异计算像素级置信图，以融合派生输入的信息并保留具有良好可见性的区域。最终的去雾图像通过门控机制提取派生输入的重要特征生成。为了训练网络，我们引入了多尺度方法，从而避免了光晕伪影的产生。广泛的实验结果表明，无论是合成图像还是真实世界的图像，所提出的算法均优于现有最先进的算法。