DehazeNet : Un système de bout en bout pour l'élimination du brouillard dans les images uniques

La suppression du brouillard à partir d'une seule image est un problème mal posé et difficile. Les méthodes existantes utilisent diverses contraintes ou a priori pour obtenir des solutions de débrouillagisme plausibles. La clé pour parvenir à la suppression du brouillard réside dans l'estimation d'une carte de transmission atmosphérique pour une image embrouillée donnée en entrée. Dans cet article, nous proposons un système entièrement entraînable et de bout en bout appelé DehazeNet, destiné à l'estimation de la transmission atmosphérique. DehazeNet prend une image embrouillée en entrée et produit sa carte de transmission atmosphérique, qui est ensuite utilisée pour récupérer une image sans brouillard grâce au modèle de diffusion atmosphérique. DehazeNet adopte une architecture profonde basée sur les Réseaux Neuronaux Convolutifs (CNN), dont les couches sont spécialement conçues pour intégrer les hypothèses établies ou les a priori utilisés dans le débrouillagisme d'images. Plus précisément, des couches d'unités Maxout sont utilisées pour l'extraction des caractéristiques, capables de générer presque toutes les caractéristiques liées au brouillard. Nous proposons également une nouvelle fonction d'activation non linéaire dans DehazeNet, appelée Unité Linéaire Rectifiante Bilatérale (BReLU), qui permet d'améliorer la qualité de l'image sans brouillard récupérée. Nous établissons des liens entre les composants du DehazeNet proposé et ceux utilisés dans les méthodes existantes. Les expériences menées sur des images de référence montrent que DehazeNet offre des performances supérieures aux méthodes existantes tout en restant efficace et facile à utiliser.