DehazeNet: 単一画像の霧除去を目的としたエンドツーエンドシステム

単一画像の霧除去は、困難な非適切問題である。既存の手法では、様々な制約や事前知識を用いて、合理的な霧除去解を得ている。霧除去を達成するための鍵は、入力された霧がかった画像に対する媒体透過率マップを推定することである。本論文では、媒体透過率推定のために学習可能なエンドツーエンドシステムであるDehazeNetを提案する。DehazeNetは、霧がかった画像を取り込み、その後大気散乱モデルを通じて霧のない画像を復元するために使用される媒体透過率マップを出力する。DehazeNetは、層が画像の霧除去に確立された仮定や事前知識を体現するように特別に設計された畳み込みニューラルネットワーク（CNN）に基づく深層アーキテクチャを採用している。具体的には、特徴抽出のためにMaxoutユニットの層を使用しており、これによりほぼすべての霧に関連した特徴を生成することが可能である。また、DehazeNetにおいて新しい非線形活性化関数である双方向整流線形単位（Bilateral Rectified Linear Unit, BReLU）を提案し、これにより復元された霧のない画像の品質向上が期待できる。本稿では、提案されたDehazeNetの構成要素と既存手法で使用されている構成要素との関連性も明確にする。ベンチマーク画像での実験結果から、DehazeNetは既存手法よりも優れた性能を示す一方で、効率的かつ使いやすいことが確認できた。