Réseau de Fusion Contrôlé pour le Dévoilement d'Images Uniques

Dans cet article, nous proposons un algorithme efficace pour restaurer directement une image claire à partir d'une entrée embuée. L'algorithme proposé repose sur un réseau neuronal entièrement entraînable qui comprend un encodeur et un décodeur. L'encodeur est utilisé pour capturer le contexte des images d'entrée dérivées, tandis que le décodeur est chargé d'estimer la contribution de chaque entrée au résultat final débrouillé en utilisant les représentations apprises attribuées à l'encodeur. Le réseau construit adopte une stratégie de fusion novatrice qui génère trois entrées à partir d'une image originale embuée en appliquant l'équilibrage des blancs (WB), l'amélioration du contraste (CE) et la correction gamma (GC). Nous calculons des cartes de confiance pixel par pixel en fonction des différences d'apparence entre ces différentes entrées afin de combiner les informations des entrées dérivées et de préserver les régions offrant une bonne visibilité. L'image finale débrouillée est obtenue en sélectionnant les caractéristiques importantes des entrées dérivées grâce à une porte de contrôle. Pour entraîner le réseau, nous introduisons une approche multi-échelle permettant d'éviter les artefacts de halo. De nombreux résultats expérimentaux sur des images synthétiques et réelles montrent que l'algorithme proposé se compare favorablement aux algorithmes de pointe actuels.